轻量化卷积神经网络下的钢梁表面缺陷实时检测

摘要

针对钢梁在工程项目中应用广泛,其表面缺陷若未能及时发现将很可能带来安全隐患。本文利用一种具有跨阶段分层结构的轻量化卷积神经网络实现了钢梁表面缺陷的快速实时检测。首先使用跨阶段局部网络搭建用于特征提取的骨干网络,不仅能丰富了梯度更新路径,而且有助于浅层表面缺陷特征的提取。其次,将跨阶段分层模块作为特征提取器嵌入到跨阶段分层结构的其中一个分支中得到轻量化的特征提取模块,极大的提高了检测速度。最后,将多尺度特征融合与YOLO层相结合完成目标检测任务。实验表明,具有跨阶段分层结构的轻量化卷积神经网络最高mAP为93.59%,帧率为30.3 s^(−1)。在检测性能差距不大的前提下,其检测速度较YOLOv3提高了4倍,与YOLOv4相比提高了4.5倍。