基于YOLO v3算法的不同主干网络对织物瑕疵检测

作者：谢景洋; 王巍; 刘婷

来源：测控技术, 2021, 40(03): 61-95.

DOI：10.19708/j.ckjs.2021.03.012

• YOLO v3
• 主干网络替换
• 织物瑕疵检测
• Grad-CAM

针对布匹瑕疵检测中由于输入图片尺寸较大导致检测速度降低的问题,提出了使用轻量化的MobileNets、更细粒度多尺度特征的Res2Net修改YOLO v3主干网络的两种方案。在相同条件下训练3种YOLO v3网络,实现了对20种缺陷的检测。对比搭载3种主干网络YOLO v3算法的参数量、检测速度和精度,利用可视化工具Grad-CAM研究3种主干网络对缺陷的特征提取能力。实验结果表明,搭载MobileNets主干网络的参数量是原始网络的1/3,检测速度提高30%,并且在精度上m AP值达到31.22%,接近原始网络的32.54%。Res2Net的细粒度多尺度特征结构在布匹瑕疵检测上没有明显优势。Grad-CAM可视化结果表明MobileNets主干网络在特征提取上更专一。