基于扩展跨阶段局部网络的表面缺陷检测
来源：计算机集成制造系统杂志2022年第8期北京时间：
作者：曹桢淼, 吉卫喜, 苏璇, 张贇, 王凯
单位：1.江南大学机械工程学院2.江苏省食品制造装备重点实验室
摘要：工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈。针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型。首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且适用于不同规模网络的YOLOv5s-P系列模型,将网络颈部CSP化提高模型特征提取能力;其次,采用SoftPool下采样方法对颈部空间金字塔池化(SPP)模块进行结构和参数优化,并引入深度可分离卷积使模型轻量化的同时避免精度损失。实验表明,在德国DAGM 2007表面缺陷数据集上获得96.1%的mAP,较原模型在检测精度上提升了5%、参数量降低了1.7%,同时部署到边缘设备Raspberry Pi4B上时检测速度为4fps。
关键词：深度学习,卷积神经网络,跨阶段局部网络,缺陷检测
基金资助：山东省重大科技创新工程资助项目(2019JZZY020111)。
