基于改进YOLOv3的金属表面缺陷检测

作者：刘浩翰; 孙铖; 贺怀清; 惠康华

来源：计算机工程与科学, 2023, 45(07): 1226-1235.

• 深度学习
• 目标检测
• YOLO
• Shuffle
• SA
• 注意力机制
• K-means

为提高工业零件表面缺陷的检测效率，提出一种基于改进YOLOv3的目标检测方法。引入目前最新的具有通道置换的注意力机制SA,将其与YOLOv3模型骨架结构Darknet-53的残差单元进行组合改进构成SA残差块结构，充分利用特征通道信息，得到YOLOv3-SA模型。针对不同数据集，对输入图像进行不同规模比例缩放，分别使用K-means方法对真实标框进行聚类以提高检测效率。实验结果表明，YOLOv3-SA模型查全率达95.4%,相比YOLOv3,mAP最多可提高约7%。

• 单位
  中国民航大学