铝型材在生产加工过程中会产生特征不明显和尺度大小不一等多类型的表面缺陷,针对现有人工抽检方法准确率低、实时性差、主观性强等问题,提出一种基于PP-PicoDet-XS的改进铝型材表面缺陷检测算法.改进的算法在主干网络中嵌入无参注意力S...铝型材在生产加工过程中会产生特征不明显和尺度大小不一等多类型的表面缺陷,针对现有人工抽检方法准确率低、实时性差、主观性强等问题,提出一种基于PP-PicoDet-XS的改进铝型材表面缺陷检测算法.改进的算法在主干网络中嵌入无参注意力SimAM,增强对深层有效特征的提取能力;使用SIoU(Scylla intersection over union)损失函数对训练过程进行优化,提高预测框的定位能力;采用量化蒸馏策略对模型进行压缩,提高推理速度.结果表明,改进的算法平均精度均值在交并比(intersection over union,IoU)阈值为0.5时达到了98.93%,在IoU阈值0.5~0.95范围内达到了57.60%,较未压缩的原始模型分别提高了1.73%和4.13%.将该算法部署到骁龙865移动端平台上进行推理,推理速度可达116.82帧/s,较未压缩的原始模型提高了47帧/s.展开更多
文摘铝型材在生产加工过程中会产生特征不明显和尺度大小不一等多类型的表面缺陷,针对现有人工抽检方法准确率低、实时性差、主观性强等问题,提出一种基于PP-PicoDet-XS的改进铝型材表面缺陷检测算法.改进的算法在主干网络中嵌入无参注意力SimAM,增强对深层有效特征的提取能力;使用SIoU(Scylla intersection over union)损失函数对训练过程进行优化,提高预测框的定位能力;采用量化蒸馏策略对模型进行压缩,提高推理速度.结果表明,改进的算法平均精度均值在交并比(intersection over union,IoU)阈值为0.5时达到了98.93%,在IoU阈值0.5~0.95范围内达到了57.60%,较未压缩的原始模型分别提高了1.73%和4.13%.将该算法部署到骁龙865移动端平台上进行推理,推理速度可达116.82帧/s,较未压缩的原始模型提高了47帧/s.
