带钢表面缺陷的RepVGG网络改进及其识别
RepVGG networks improvement of surface defects in strip steel and their identification作者机构:上海应用技术大学电气与电子工程学院上海201418
出 版 物:《现代制造工程》 (Modern Manufacturing Engineering)
年 卷 期:2023年第5期
页 面:121-126页
学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:缺陷检测 RepVGG网络:高效通道注意力网络 高斯误差线性单元 可视化
摘 要:对带钢表面缺陷准确快速识别是带钢外观质量评价的一项重要内容,应用深度学习进行带钢表面缺陷识别是一个持续的热点。提出了一种基于改进RepVGG网络的带钢表面缺陷识别方法。首先为提高RepVGG网络在带钢表面缺陷识别中的稳定性和准确率,该方法引入了高效通道注意力(Efficient Channel Attention,ECA)网络,然后为了防止神经网络训练中神经元坏死,使得神经元参数得不到更新,应用了高斯误差线性激活函数。在测试集上,改进RepVGG网络对带钢表面缺陷的识别率达到了99.94%,而其运行速度并没有降低,单张图片的平均检测时间为5.4 ms。