典型文献
改进YOLOv4的内丝接头密封面缺陷检测算法
文献摘要：
针对传统目标检测算法对内丝接头密封面的缺陷识别率不高的问题,提出利用改进的YOLOv4算法对其进行检测.首先使用K-means++聚类算法对目标样本进行先验框参数优化,提高先验框与特征图的匹配度;其次在主干网络嵌入SENet注意力机制模块,强化图像关键信息,抑制图像背景信息,提高不易识别缺陷的置信度;然后在网络颈部增加SPP模块,增强主干网络输出特征的接受域,分离出重要的上下文信息;最后采用收集的内丝接头密封面缺陷数据集分别对改进前后的YOLOv4进行训练,并分别测试模型效果.实验结果表明,YOLOv4检测内丝接头密封面缺陷的性能较好,但有部分小目标漏检;改进后的模型对小目标缺陷的检测表现优异,均值平均精度(mAP)达到了 87.47％,相比于原始YOLOv4提升了 10.2％,平均检测时间为0.132 s,实现了对内丝接头密封面缺陷的快速准确检测.
文献关键词：
目标检测;YOLOv4;SENet;SPP;K-means++
中图分类号：
作者姓名：
单明陶;高玮玮
作者机构：
上海工程技术大学机械与汽车工程学院 上海 201620
文献出处：
引用格式：
[1]单明陶;高玮玮-.改进YOLOv4的内丝接头密封面缺陷检测算法)[J].电子测量与仪器学报,2022(05):120-127
A类：
B类：
YOLOv4,接头,密封面,缺陷检测,目标检测算法,缺陷识别,识别率,means++,聚类算法,先验框,特征图,匹配度,主干网络,网络嵌入,SENet,注意力机制模块,关键信息,制图,背景信息,置信度,SPP,上下文信息,缺陷数据,进前,测试模型,漏检,小目标缺陷,均值平均精度,mAP,检测时间,快速准确
AB值：
0.359593
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
