摘要
针对当前目标检测算法网络复杂,对平台设备要求高;而轻量化网络YOLOv3_Tiny对压敏电阻表面缺陷的检测精度较低,容易出现漏检错检的情况,提出了基于YOLOv3_Tiny的改进算法DAYOLOv3_Tiny.DAYOLOv3_Tiny构建了深度可分离卷积块替代标准卷积,使用卷积操作进行下采样,使检测网络在减少网络参数量的同时增加了特征的提取;并在网络中引入了通道注意力模块和空间注意力模块,增强了检测网络对重要特征信息的学习.在自制的压敏电阻表面缺陷数据集上进行实验,结果表明,DAYOLOv3_Tiny的mAP值为92.23％,较改进前提升了12.25％;改进后的 D A YOLO v3_Tiny 模型大小为 YOLOv3_Tiny 的55.42％,仅 18.9 MB.实验表明,DAYOLOv3_Tiny对压敏电阻表面缺陷的检测精度较高,能够有效改善漏检错检的情况,且网络模型较小,对硬件平台要求不高,易于在性能受限的平台部署.
基金项目
贵州大学培育项目(黔科合平台人[2017]5788-60)
贵州大学引进入才培育项目(贵大人基合字[2015]53号)
NETL
NSTL
万方数据