首页|基于YOLO v3算法的不同主干网络对织物瑕疵检测

基于YOLO v3算法的不同主干网络对织物瑕疵检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对布匹瑕疵检测中由于输入图片尺寸较大导致检测速度降低的问题,提出了使用轻量化的Mo-bileNets、更细粒度多尺度特征的Res2 Net修改YOLO v3主干网络的两种方案.在相同条件下训练3种YOLO v3网络,实现了对20种缺陷的检测.对比搭载3种主干网络YOLO v3算法的参数量、检测速度和精度,利用可视化工具Grad-CAM研究3种主干网络对缺陷的特征提取能力.实验结果表明,搭载MobileNets主干网络的参数量是原始网络的1/3,检测速度提高30％,并且在精度上mAP值达到31.22％,接近原始网络的32.54％.Res2 Net的细粒度多尺度特征结构在布匹瑕疵检测上没有明显优势.Grad-CAM可视化结果表明MobileNets主干网络在特征提取上更专一.
Fabric Surface Defect Detection Based on YOLO v3 with Different Backbone Networks

谢景洋、王巍、刘婷

展开 >

国合通用(青岛)测试评价有限公司,山东青岛 266000

YOLOv3 主干网络替换 织物瑕疵检测 Grad-CAM

有研集团2019-2020年度青年科研基金

2021

10.19708/j.ckjs.2021.03.012

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2021.40(3)
  • 5
  • 3