一种改进YOLOv4-tiny的带钢表面缺陷实时检测方法

作     者：邹旺 吉畅 ZOU Wang;JI Chang

作者机构：六盘水师范学院工程实训中心贵州六盘水553004 六盘水师范学院物理与电气工程学院贵州六盘水553004 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2023年第42卷第6期

页      面：883-889页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：贵州省教育厅青年人才成长项目(黔教合KY字121) 六盘水师范学院科学研究计划项目(LPSSYZK202004) 

主　　题：带钢表面缺陷 卷积神经网络 YOLOv4-tiny 多尺度检测 空间注意力机制 

摘      要：带钢表面缺陷检测是生产过程智能检测的重要任务。针对目前带钢表面缺陷检测算法效率低、实时性差的问题,本文提出了基于卷积神经网络的轻量级目标检测器。该方法以YOLOv4-tiny模型为框架,针对带钢表面缺陷检测任务的特殊性,结合了多尺度检测与空间注意力机制的优化策略,在保证检测效率的同时提高了轻量级目标检测器的精度。实验证明,所提出的改进的YOLOv4-tiny模型能够精确地检测带钢表面缺陷,平均均值精度mAP(mean Average precision)为73.29%,并且每秒帧数FPS(Frames per second)达到163,满足实际工业落地的实时性要求。