基于改进YOLOv3算法的带钢表面缺陷检测
Strip Steel Surface Defect Detection Based on Improved YOLOv3 Algorithm

李维刚 ^1,2 叶欣 ¹ 赵云涛 ¹ 王文波 ³

文摘	针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框(priors anchor)与特征图层(feature map)的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.
其他语种文摘	To solve the problem of slow speed and low accuracy in the surface defect detection of hot rolled strips,an improved YOLOv3 algorithm is proposed.Firstly,the weighting K-means clustering algorithm is put forward to optimize priors anchor's parameters,which can improve the match between priors anchor and feature map.Secondly,the improved network structure of the YOLOv3 algorithm is proposed to improve the detection accuracy,whose shallow features and deep features are combined to form the new large-scale inspection layer.The experiments are carried out on the NEU-DET dataset,the results show that the average accuracy of the improved YOLOv3 algorithm is 80%,which is 11% higher than that of the original algorithm;the detection speed is 50fps,which is faster than other strip surface defect detection algorithms based on deep learning.
来源	电子学报 ,2020,48(7):1284-1292 【核心库】
DOI	10.3969/j.issn.0372-2112.2020.07.006
关键词	目标检测 ; 带钢表面缺陷 ; YOLOv3 ; 加权K-means
地址	1. 武汉科技大学, 冶金自动化与检测技术教育部工程研究中心, 湖北, 武汉, 430081 2. 武汉科技大学, 高温材料与炉衬技术国家地方联合工程研究中心, 湖北, 武汉, 430081 3. 武汉科技大学理学院, 湖北, 武汉, 430081
语种	中文
文献类型	研究性论文
ISSN	0372-2112
学科	自动化技术、计算机技术
基金	国家自然科学基金
文献收藏号	CSCD:6770195