基于机器视觉的轻量化钢材表面缺陷检测模型

刘文钊; 张丹

doi:10.16339/j.cnki.jsjsyzdh.202403008

计算技术与自动化 ›› 2024, Vol. 43 ›› Issue (03) : 43 -49. DOI: 10.16339/j.cnki.jsjsyzdh.202403008

基于机器视觉的轻量化钢材表面缺陷检测模型

刘文钊, 张丹

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对当前主流缺陷检测模型参数量大、计算复杂度高，难以在计算资源有限的嵌入式设备上部署的问题，提出了一种轻量化钢材表面缺陷检测模型YOLO-LSNet。首先，为了降低模型的参数量和计算复杂度，提出了一种轻量化卷积模块MSConv。其次，提出M-BiFPN网络用于深浅层特征信息的融合。最后，用SIoU损失函数替换CIoU损失函数，加快网络的收敛速度。实验结果表明，YOLO-LSNet模型在NEU-DET数据集上相较于基线网络YOLOv5,mAP提升了1.8%,模型参数下降了43.4%,计算量降低了36.1%。完成模型轻量化设计的同时，保证了模型的检测精度，具有良好的应用前景。