基于改进YOLOv4算法的玻璃杯缺陷识别方法研究

来源：电子测量技术杂志2023年第2期北京时间：

作者：张涛，谢探阳，李玉梅，白俊华

单位：1.北京信息科技大学高动态导航技术北京市重点实验室 北京 100101; 2.沧州格锐特钻头有限公司 沧州 062450

摘要：当前，玻璃杯表面缺陷检测主要依赖人力劳动来完成，存在耗时长且准确率不高等问题。提出了一种将YOLOv4与MobileNetV3结合的改进算法模型YOLO-M来解决该问题。首先，利用MobileNetv3网络替换YOLOv4原本的主干网络CSPDarknet53，并修改激活函数，在减少模型大小和参数量的基础上提升运行速度。然后，对玻璃杯缺陷样本进行拍照采样，将缺陷分为磨损、气泡、划痕三种，建立玻璃杯缺陷数据集。最后利用YOLO-M、YOLOv4以及YOLOv4-tiny三种算法对玻璃杯缺陷数据集进行训练，将不同算法下的平均精度均值、帧率等评价指标进行对比。实验结果表明，YOLO-M算法在玻璃杯缺陷检测上的帧率达到57.72 f/s，平均精度均值达到91.95%，均为最高。YOLO-M算法在玻璃杯缺陷识别的速度和精度上有明显效果，可做为后续分拣研究，以及其他玻璃制品缺陷识别的重要参考。

关键词：深度学习;目标检测;深度可分离卷积;瓶颈残差结构

基金资助：国家自然科学基金青年项目(52104001)、北京信息科技大学重点研究培育项目（2121YJPY220）、北京市教育委员会科学研究计划项目（KM202111232004）、中国石油天然气集团有限公司-中国石油大学（北京）战略合作科技专项（ZLZX2020-03）资助