结合数据增强和轻量化模型的YOLOv3木梁柱缺陷检测

作者：王宝刚; 杨春梅^*; 夏鹏

来源：电机与控制学报, 2021, 25(04): 123-132.

DOI：10.15938/j.emc.2021.04.015

• 缺陷检测
• 木梁柱
• 数据增强
• MobileNetv3
• 实时检测

针对现有基于深度学习的木梁柱缺陷检测存在的泛化能力差、模型复杂、参数计算量大、实时性差导致的难以在线应用等问题,提出一种结合数据增强和轻量化模型的YOLOv3木梁柱缺陷检测算法。使用包括数据增强、区域删除和图像混合技术增强自制的COCO格式数据集,在不增加额外计算量的前提下使模型的泛化性能和鲁棒性增强。使用轻量化模型MobileNetV3替换原YOLOv3的骨干网络并更换激活函数,在减少模型的参数量的基础上提升模型的预测速度。在制作的COCO数据集的测试结果表明:与原YOLOv3网络相比,所设计模型的平均精度(AP)提升了6%,AP(50达到了92.3%,参数数量减少了62.52%,预测速度达到了53.47FPS。与Faster-RCNN、Faster RCNN+FPN和SSD等经典算法对比实验证明了所设计算法实现了兼顾精度和效率的木梁柱表面缺陷检测,并且模型参数量小更容易集成到工业应用环境。

• 单位
  东北林业大学; 机电工程学院