金属学及金属工艺论文_基于卷积神经网络的热轧

文章摘要:热轧钢条的表面质量对成品至关重要，因此必须要严格控制热轧钢条的表面出现的缺陷。针对当前YOLO（you only look once）v4算法检测精度不高、对小范围信息表现较差等问题，本文提出一种改进YOLOv4自动检测方法。首先，本文将YOLOv4中特征提取网络CSPDarknet53换为轻量级深层神经网络MobileNetv3来提高检测速度，并且加强对检测目标特征提取以及减少梯度消失问题。其次，采用K-Means聚类生成适合本实验的先验框，有效提高学习效率，加快收敛速度。最后，本文对置信度损失进行重新定义，提出一种能够适应多尺度的损失函数，来解决因正负样本不平衡而导致检测效果差的问题。实验结果表明，该方法较原YOLOv4模型在热轧钢条的表面缺陷检测上的均值平均精度值提高约7.94%，速度提升约4.52f/s，在保证检测速度的基础上有效提高了精确度。

文章关键词:

论文分类号:TG335.11;TP183;TP391.41

上一篇：金属学及金属工艺论文_探究轧钢电气自动化控制
下一篇：体育论文_我在中国看冬奥