基于轻量化YOLOv4的轮毂内部缺陷检测算法

作者：范涛; 王明泉; 张俊生; 曹鹏娟; 朱榕榕

来源：机械与电子, 2023, 41(02): 3-12.

• 目标检测
• YOLOv4
• MobileNetV3
• 轻量化网络
• 通道注意力机制

为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题，提出一种轻量化YOLOv4的轮毂内部缺陷检测算法。该算法采用MobileNetV3替换YOLOv4的主干特征提取网络，并利用深度可分离卷积模块对YOLOv4的PANet(path aggregation network)模块中的传统卷积进行了替换。同时，在PANet特征加强网络中加入通道注意力机制(SE)模块，提高了轮毂内部缺陷目标的识别精度。测试结果表明，所提算法检测精度为90.23%,权值文件为45.2 MB,检测速率为68.38帧/s。相较于常规模型性能有所提升，更适用于轮毂内部缺陷的快速、准确检测。

• 单位
  中北大学; 太原工业学院