基于SDD-YOLO的轻量级带钢缺陷实时检测算法

作者：梁秀满; 肖寒

来源：中国测试, 2023, 1-8.

• 带钢表面缺陷
• 目标检测
• 轻量级网络
• YOLOv4

针对复杂工业生产环境下，热轧带钢的表面缺陷检测准确率低，网络模型参数量过大，难以部署等问题，该文提出一种基于YOLOv4模型改进的轻量级带钢缺陷实时检测算法SDD-YOLO。所提算法在特征提取部分采用GhostNet网络，压缩模型参数量；在特征融合部分，借鉴BiFPN结构改进PAN网络，采用GSConv卷积代替标准卷积，减少模型参数量和计算量，同时嵌入注意力模块CA（Coordinate Attention），增强模型特征融合能力；在预测部分采用SIOU-loss代替CIOU-loss，提高模型收敛效率，加快收敛速度；采用k-means聚类算法重新设计先验框，提高模型精度。实验结果表明，该文提出的模型相较于YOLOv4，模型参数量减少71.6%，浮点运算量降低74.6%，模型大小减小71.6%，检测精度提高3.49%，单张图片检测速度为25.9ms。在保证准确率和检测速度的条件下，基本可以满足工业现场对缺陷的实时检测要求。

• 单位
  华北理工大学