基于YOLOv4的小目标缺陷检测  

作　　者：黄海新[1] 金鑫[1] 

机构地区：[1]沈阳理工大学

出　　处：《电子世界》2021年第5期146-147,共2页Electronics World

摘　　要：随着制造业的高速发展,缺陷检测在制造型企业中的重要性变得来越高。然而大多数生产厂商还使用人工或基于机器视觉的方法进行缺陷检测。人工检测的效率和可靠性通常很低。采用机器视觉算法对产品进行质量检测是一种比较成熟的方案。但缺陷种类过多时,此类算法存在人工设计特征效率低、泛化性差、处理步骤繁琐等缺陷。近年来的研究表明,深度学习方法已广泛应用于目标检测领域,但对小目标检测的研究较少。为了提高小目标及小样本的检测精度,本文提出了一种基于YOLOv4的改进方法。此方法不但可以满足检测的速度和精度,而且在小样本的情况下成功的检测出纳米级尺度上的制造缺陷。

关 键 词：机器视觉 缺陷检测 泛化性 深度学习 制造型企业 人工设计 制造缺陷 人工检测 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]