典型文献
基于扩展跨阶段局部网络的表面缺陷检测
文献摘要：
工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈.针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型.首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且适用于不同规模网络的YOLOv5s-P系列模型,将网络颈部CSP化提高模型特征提取能力;其次,采用SoftPool下采样方法对颈部空间金字塔池化(SPP)模块进行结构和参数优化,并引入深度可分离卷积使模型轻量化的同时避免精度损失.实验表明,在德国DAGM 2007表面缺陷数据集上获得96.1％ 的mAP,较原模型在检测精度上提升了5％、参数量降低了1.7％,同时部署到边缘设备Raspberry Pi4B上时检测速度为4fps.
文献关键词：
深度学习;卷积神经网络;跨阶段局部网络;缺陷检测
中图分类号：
作者姓名：
曹桢淼;吉卫喜;苏璇;张贇;王凯
作者机构：
江南大学机械工程学院,江苏 无锡 214122;江苏省食品制造装备重点实验室,江苏 无锡 214122
文献出处：
引用格式：
[1]曹桢淼;吉卫喜;苏璇;张贇;王凯-.基于扩展跨阶段局部网络的表面缺陷检测)[J].计算机集成制造系统,2022(08):2399-2407
A类：
DAGM,Pi4B,4fps
B类：
跨阶段局部网络,表面缺陷检测,检测设备,常因,计算资源,存在性,高实时性,高精确度,检测模型,网络算法,YOLOv5s,可上,缩放,不同规模,CSP,模型特征,特征提取能力,SoftPool,下采样,采样方法,空间金字塔池化,SPP,深度可分离卷积,模型轻量化,精度损失,缺陷数据,mAP,检测精度,参数量,边缘设备,Raspberry,检测速度
AB值：
0.388556
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。
