科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高深度学习在X射线焊缝缺陷检测中的实用性，降低缺陷检测任务的硬件需求，提出模型参数量仅为3.6 M的YOLO-M网络.通过在网络中引入轻量级的倒残差结构，减少网络计算量；采用多尺度预测机制，网络分层预测不同缺陷特征；跨网格扩增图片正样本信息，加快网络训练过程中的收敛速度.结果表明，YOLO-M网络不仅应用于传统计算机，而且成功试验于超低功耗边缘人工智能芯片勘智K210中.所提方法在嵌入式端的检测准确度为93.5%，检测速度为11帧/s.该方法具有良好的检测准确度，极大降低了缺陷检测的成本.
- 单位
