基于SDD-YOLO 的輕量級(jí)帶鋼缺陷實(shí)時(shí)檢測算法

打開文本圖片集

摘 要： 針對(duì)復(fù)雜工業(yè)生產(chǎn)環(huán)境下，熱軋帶鋼的表面缺陷檢測準(zhǔn)確率低，網(wǎng)絡(luò)模型參數(shù)量過大，難以部署等問題，該文提出一種基于YOLOv4 模型改進(jìn)的輕量級(jí)帶鋼缺陷實(shí)時(shí)檢測算法SDD-YOLO。所提算法在特征提取部分采用GhostNet 網(wǎng)絡(luò)，壓縮模型參數(shù)量；在特征融合部分，借鑒BiFPN 結(jié)構(gòu)改進(jìn)PAN 網(wǎng)絡(luò)，采用GSConv 卷積代替標(biāo)準(zhǔn)卷積，減少模型參數(shù)量和計(jì)算量，同時(shí)嵌入注意力模塊CA（Coordinate Attention），增強(qiáng)模型特征融合能力；在預(yù)測部分采用SIOU-loss 代替CIOU-loss，提高模型收斂效率，加快收斂速度；采用k-means 聚類算法重新設(shè)計(jì)先驗(yàn)框，提高模型精度。（剩余1038字）