基于轻量化YOLOv4的轮毂内部缺陷检测算法
wf（2023）
摘要
为解决常规深度学习方法检测轮毂内部缺陷存在模型尺寸大、参数多和精度低等问题,提出一种轻量化YOLOv4的轮毂内部缺陷检测算法.该算法采用MobileNetV3替换YOLOv4的主干特征提取网络,并利用 深度可分离卷积模块对YOLOv4的PANet(path aggregation network)模块中的 传统卷积进行了替换.同时,在PANet特征加强网络中加入通道注意力机制(SE)模块,提高了轮毂内部缺陷目标的识别精度.测试结果表明,所提算法检测精度为90.23％,权值文件为45.2 MB,检测速率为68.38帧/s.相较于常规模型性能有所提升,更适用于轮毂内部缺陷的快速、准确检测.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要