典型文献
基于改进的YOLOv4-tiny钢卷端面缺陷检测
文献摘要：
针对带钢生产过程中钢卷端面出现的缺损和拉丝缺陷,本文提出了一种改进的YOLOv4-tiny检测方法.首先,在主干网络中加入了注意模块,增强检测模型对缺陷特征的聚焦能力,增加一个上采样层,优化了深度特征和浅层特征的特征融合;其次,使用Focal损失函数替换置信度和分类的二分交叉熵损失函数,解决分类过程中存在正负类样本分布不均衡问题;最后,利用加权K-means聚类算法重新聚类得到新的先验框.实验结果表明,本文改进后的模型参数量和检测速度与原模型相当,但检测精确度上取得了更好的效果,更适用带钢生产的实时检测任务.
文献关键词：
Yolov4-tiny;注意模块;K-means聚类;缺陷检测
中图分类号：
作者姓名：
吴奎;向峰;周顺;张雪荣;李红军;张驰
作者机构：
武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武钢有限技术中心,武汉430083;武汉纺织大学 机械自动化学院,武汉430200
文献出处：
引用格式：
[1]吴奎;向峰;周顺;张雪荣;李红军;张驰-.基于改进的YOLOv4-tiny钢卷端面缺陷检测)[J].智能计算机与应用,2022(03):22-27
A类：
B类：
YOLOv4,tiny,端面,缺陷检测,带钢,中钢,拉丝缺陷,主干网络,注意模块,检测模型,缺陷特征,上采样,采样层,深度特征,特征融合,Focal,置信度,交叉熵损失函数,分类过程,正负,样本分布,均衡问题,means,聚类算法,先验框,模型参数量,检测速度,检测精确度,实时检测,Yolov4
AB值：
0.502221
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。
