基于YOLOv3的磁瓦表面缺陷检测算法

作     者：郭龙源 童光红 段厚裕 赵林 李武劲 欧先锋 晏鹏程 张一鸣 GUO Longyuan;TONG Guanghong;DUAN Houyu;ZHAO Lin;LI Wujing;OU Xianfeng;YAN Pengcheng;ZHANG Yiming

作者机构：湖南理工学院信息科学与工程学院湖南岳阳414006 湖南理工学院机器视觉及人工智能研究中心湖南岳阳414006 

出 版 物：《成都工业学院学报》 (Journal of Chengdu Technological University)

年 卷 期：2019年第22卷第3期

页      面：25-30页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省研究生科研创新项目资助(CX2018B779,CX2018B776) 湖南省教育厅优秀青年项目(18B345) 国家自然科学基金(51704115) 湖南省自然科学基金面上项目(2019JJ40104) 

主　　题：缺陷检测 深度学习 目标检测 磁瓦 

摘      要：由于磁瓦缺陷本身对比度、不同缺陷特征不尽相同等原因,传统缺陷检测算法检测效果较差。针对不同缺陷特征的磁瓦缺陷检测的问题,提出了一种基于YOLOv3的磁瓦缺陷检测方法。YOLOv3借鉴Resnet的残差结构可以很轻松的构建更深的卷积网络,更深的网络可以更好地表达磁瓦缺陷的特征。同时其类似FPN的特征融合思想,可以较好地保证小缺陷样本不会出现特征丢失的情况。基于以上优点,YOLOv3很适合应用于缺陷检测。实验结果表明,该方法在检测效果上不差于基于Resnet101的FasterR-CNN的方法,而且其平均检测速度快5倍以上。