-
题名基于改进YOLOX的钢材表面缺陷检测研究
被引量：11
- 1
-
-
作者
刘毅
蒋三新
-
机构
上海电力大学电子与信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第9期131-138,共8页
-
文摘
针对目前单阶段目标检测网络YOLOX的特征提取能力不足、特征融合不充分以及钢材表面缺陷检测精度不高等问题,提出一种改进YOLOX的钢材表面缺陷检测算法。首先,在Backbone部分引入改进的SE注意力机制,增添一条最大池化层分支,进行权重融合,强化重要的特征通道;其次,在Neck部分引入ASFF模块,充分利用不同尺度的特征,更好地进行特征融合;最后,针对数据集所呈现的特点,将IOU损失函数替换为EIOU损失函数,改善模型定位不准确的问题,提高缺陷检测精度。实验结果表明,改进的YOLOX算法具有良好的检测效果,在NEU⁃DET数据集上的mAP达到了75.66%,相比原始YOLOX算法提高了3.74%,较YOLOv6提升了2.76%,检测精度优于其他主流算法。
-
关键词
YOLOX
单阶段目标检测网络
SE注意力机制
ASFF模块
表面缺陷检测
EIOU损失函数
-
Keywords
YOLOX
single⁃stage object detection network
SE attention mechanism
ASFF module
surface defect detection
EIOU loss function
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP34
[自动化与计算机技术—计算机系统结构]
-
