典型文献
基于YOLOv3-Tiny-D算法的偏光片缺陷检测
文献摘要：
随着偏光片的应用日益广泛,对于其生产质量的要求也愈加严苛.采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测,以解决传统方法检测精度低、硬件成本高的问题,从而优化生产工艺.基于YOLOv3-Tiny算法,采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化,并与待检测目标的实际情况相结合调整优化网络的检测模块,提出一种改进后的算法YOLOv3-Tiny-D.实验表明,所提方法在偏光片数据集上测试时,单张图片在保证检测速度的同时(18ms/张),脏污、划痕、标记3类缺陷的检测正确率为90.74％、98.90％、97.52％,平均正确率95.72％,较原算法提高7％.
文献关键词：
偏光片;缺陷检测;SPP-Net模块;Dense Block模块;YOLOv3-Tiny-D算法
中图分类号：
作者姓名：
李春霖;谢刚;王银;谢新林;刘瑞珍
作者机构：
太原科技大学电子信息工程学院,山西 太原 030024;先进控制与装备智能化山西省重点实验室,山西 太原 030024;平板显示智能制造装备关键技术工程研究中心,山西 太原 030024
文献出处：
引用格式：
[1]李春霖;谢刚;王银;谢新林;刘瑞珍-.基于YOLOv3-Tiny-D算法的偏光片缺陷检测)[J].计算机集成制造系统,2022(03):787-797
A类：
18ms
B类：
YOLOv3,Tiny,偏光片,缺陷检测,益广,生产质量,严苛,目标检测算法,瑕疵,陷进,检测精度,硬件成本,优化生产,Dense,Block,SPP,Net,特征提取网络,调整优化,检测模块,单张,检测速度,脏污,划痕
AB值：
0.353805
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。
