基于轻量化 YOLOv4 的轮毂内部缺陷检测算法
来源：机械与电子杂志2023年第02期北京时间：
作者：范涛;王明泉;张俊生;曹鹏娟;朱榕榕
单位：1. 中北大学仪器科学与动态测试教育部重点实验室,山西 太原 030051 ;
2. 太原工业学院电子工程系,山西 太原 030008
摘要：为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化 YOLOv4 的轮毂内部缺陷检测算法。该算法采用 MobileNetV3 替换 YOLOv4 的主干特征提取网络,并利用深度可分离卷积模块对 YOLOv4 的 PANet ( path aggregation network )模块中的传统卷积进行了替换。同时,在 PANet 特征加强网络中加入通道注意力机制( SE )模块,提高了轮毂内部缺陷目标的识别精度。测试结果表明,所提算法检测精度为 90.23% ,权值文件为 45.2 MB ,检测速率为 68.38 帧/ s 。相较于常规模型性能有所提升,更适用于轮毂内部缺陷的快速、准确检测。
关键词：目标检测; YOLOv4 ; MobileNetV3 ;轻量化网络;通道注意力机制
基金资助：山西省重点研发计划( 201803D121069 );山西省高等学校科技创新项目( 2020L0624 );山西省信息探测与处理重点实验室基金( ISPT2020 5 )
