典型文献
基于改进YOLOv4算法的铝型材表面缺陷检测
文献摘要：
铝型材生产过程中由于多种工艺因素影响导致产生表面缺陷,影响出厂品质及正常使用.铝型材表面缺陷种类多样、尺度小、特征不明显,现有的人工目检难以达到高效、准确的检测要求.针对上述问题,提出了一种改进的YOLOv4检测算法.以原算法为基础,对颈部网络PANet进行改进,增加与浅层特征层融合以解决对小目标缺陷检测精度低的问题,提高整体检测精度.为了使网络更多聚焦于有用信息,在网络中嵌入通道注意力机制模块SENet,进一步提升网络性能.实验结果表明,该模型能够有效识别铝型材表面不同种类的缺陷,较原YOLOv4算法mAP提高7.84％,检测速度达到32.8 fps.所提方法能够满足铝型材工厂生产现场缺陷检测要求.
文献关键词：
缺陷检测;深度学习;特征融合;注意力机制
中图分类号：
作者姓名：
杨畅畅;李慧玲;潘广通
作者机构：
湖北汽车工业学院电气与信息工程学院,十堰 442002
文献出处：
引用格式：
[1]杨畅畅;李慧玲;潘广通-.基于改进YOLOv4算法的铝型材表面缺陷检测)[J].组合机床与自动化加工技术,2022(11):66-69
A类：
B类：
YOLOv4,铝型材,表面缺陷检测,工艺因素,响导,出厂,难以达到,检测要求,检测算法,PANet,特征层融合,小目标缺陷,检测精度,多聚焦,通道注意力机制,注意力机制模块,SENet,网络性能,mAP,检测速度,fps,工厂生产,生产现场,特征融合
AB值：
0.383899
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。
