典型文献
基于改进型YOLOv4的焊缝图像检测与识别
文献摘要：
针对YOLOv4在焊缝X射线探伤缺陷图中检测精度与召回率低的问题,设计了 YOLOv4-cs算法.该算法改进了YOLOv4的卷积方式,使得模型训练参数大大减小,其次通过去除下采样及在52×52的特征层中融合第2个残差块得到的特征图的方式提高模型检测精确率,与此同时利用K-means对数据集重新聚类,修改YOLOv4模型的先验框.实验结果表明,YOLOv4-cs在识别铝合金焊接接头X射线3种缺陷的召回率提高显著,其平均精准度均值(mAP)为88.52％,较原YOLOv4模型提升了 2.67个百分点,检测速度由20.43 frame/s提升到了 24.47 frame/s.
文献关键词：
图像处理;深度学习;焊缝内部缺陷检测;目标检测;YOLOv4
中图分类号：
作者姓名：
程松;戴金涛;杨洪刚;陈云霞
作者机构：
上海电机学院机械学院,上海201306
文献出处：
引用格式：
[1]程松;戴金涛;杨洪刚;陈云霞-.基于改进型YOLOv4的焊缝图像检测与识别)[J].激光与光电子学进展,2022(16):95-101
A类：
焊缝内部缺陷检测
B类：
改进型,YOLOv4,焊缝图像,图像检测与识别,射线探伤,探伤缺陷,检测精度,召回率,cs,算法改进,模型训练,下采样,残差块,特征图,模型检测,精确率,means,先验框,铝合金焊接,焊接接头,高显,mAP,百分点,检测速度,frame,目标检测
AB值：
0.410277
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。
