基于改进YOLOv4的钢材表面缺陷检测

作     者：赵慧 钮焱 李军 ZHAO Hui;NIU Yan;LI Jun

作者机构：湖北工业大学计算机学院湖北武汉430068 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2024年第41卷第3期

页      面：188-194,213页

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

主　　题：钢材表面缺陷检测 深度学习 注意力机制 

摘      要：针对钢材表面缺陷检测精度低,易漏检、误检、定位不准确等问题,提出一种基于改进YOLOv4的钢材表面缺陷检测算法,首先使用K-means++算法分析标注框的分布信息,获取最优的锚框,提高定位精度,减少网络损失;其次在YOLOv4网络原有特征层基础上继续增加一浅层特征即尺度为104×104的新特征层,增大特征检测尺度,提高小缺陷目标检测精度;最后在原始主干网络的基础上引进注意力机制,使网络更多关注有用信息,从而使检测更准确。将上述算法与其它算法在NEU-DET数据集上进行对比实验,所提算法平均检测精度相较于原YOLOv4提高了4.69%达到78.10%,相较于目前其它的主流目标检测算法也更优秀。