基于改进RetinaNet-GHM算法的钢板表面缺陷检测

来源：电子测量技术杂志2023年第6期北京时间：

作者：李雪露，杨永辉，储茂祥

单位：辽宁科技大学电子与信息工程学院 鞍山 114051

摘要：针对传统钢板表面缺陷检测方法效果差、缺陷定位不准确等问题，提出一种基于改进RetinaNetGHM的深度学习检测算法。首先，引入路径聚合特征金字塔网络融合浅层和深层语义信息，提升网络对小目标的检测效果；然后，使用GHMC和GHMR损失函数对缺陷进行分类和定位；最后，引入高斯形式的软化非极大值抑制算法，提高检测精度。实验结果表明，改进的RetinaNet-GHM算法的平均精度均值为76.7%，裂纹、夹杂、斑块、麻点、压入氧化铁皮以及划痕六类缺陷的平均精度分别为45.2%、88.2%、94.2%、86.1%、65.1%和87.4%。通过与其他经典算法相比，改进的RetinaNet-GHM算法具有较好的检测效果

关键词：目标检测;路径聚合特征金字塔网络;GHM损失函数;软化非极大值抑制

基金资助：国家自然科学基金（21978123）、辽宁省高等学校基本科研项目（2020LNZD06）资助