科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于生产工艺及控制技术的限制，轧制钢板表面易产生几何特征复杂的缺陷，故引入精良的检测方法具有十分重要的意义。提出一种改进后的轻量级网络模型MobileNetV3,首先精简对模型贡献度较低的卷积核通道数，引入额外的卷积层结构提升网络泛化能力，利用迁移学习保留在源域数据集上学习到的模型参数，加速并优化对目标钢板缺陷数据集的学习效率。实验结果表明，改进后的MobileNetV3对目标钢板缺陷数据集的检测精度及相关评价指标上均为最佳，模型参数量仅为原始模型的1/4左右，相较于深层卷积神经网络在资源有限的设备上具备更好的检测效率。
- 单位
