基于YOLOv3-Tiny-D算法的偏光片缺陷检测

来源：计算机集成制造系统杂志2022年第3期北京时间：

作者：李春霖, 谢刚, 王银, 谢新林, 刘瑞珍

单位：1.太原科技大学电子信息工程学院2.先进控制与装备智能化山西省重点实验室3.平板显示智能制造装备关键技术工程研究中心

摘要：随着偏光片的应用日益广泛,对于其生产质量的要求也愈加严苛。采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测,以解决传统方法检测精度低、硬件成本高的问题,从而优化生产工艺。基于YOLOv3-Tiny算法,采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化,并与待检测目标的实际情况相结合调整优化网络的检测模块,提出一种改进后的算法YOLOv3-Tiny-D。实验表明,所提方法在偏光片数据集上测试时,单张图片在保证检测速度的同时(18ms/张),脏污、划痕、标记3类缺陷的检测正确率为9074%、9890%、9752%,平均正确率9572%,较原算法提高7%。

关键词：偏光片,缺陷检测,SPP-Net模块,Dense Block模块,YOLOv3-Tiny-D算法

基金资助：山西省科技重大专项资助项目(20191102009);山西省重点研发计划(国际合作)资助项目(201703D421010,201803D421039);山西省重点研发计划资助项目(201903D121130);山西省基础研究计划资助项目(201901D111265,201901D211304)。