基于改进YOLOv3的钢卷端面缺陷检测应用研究

作者：段聪昊; 王西峰; 姬丽娟; 曹润宁

来源：制造业自动化, 2021, 43(12): 185-188.

• 端面缺陷检测
• YOLOv3
• Batch Normalization
• GIoU

工业生产中，现有钢卷端面缺陷检测使用的主要方法仍未人工目视检测，少量使用机器视觉传统算法进行辅助识别，效果不尽人意。近些年，有研究使用深度学习的机器视觉方法应用于钢卷断面缺陷检测，但是很多算法实际应用中难以达到理想效果。针对现有钢卷端面缺陷检测方法中存在的检测精度低，实时检测速度慢，数据量不足等问题，提出一种改进YOLOv3算法模型。该算法改进了YOLOv3的Batch Normalization层，将BatchNormalization层的参数合并到卷积层，提升模型运算速度。其次使用GIoU度量损失替代IoU边界框回归损失，提供更加准确的边界框移动方向的数据信息，提高检测精度。实验分析可得出，改进后的YOLOv3算法检测速率可达55.1Fps，比原算法提高10.8%；检测精度指标mAP可达78.15%，比原算法提高6.89%。

• 单位
  机械科学研究总院集团有限公司; 机科发展科技股份有限公司