基于改进YOLOv3的电容表面缺陷检测方法

摘要

基于在电容表面缺陷识别任务中所用方法效率低下、准确率低等问题,提出了一种改进的YOLOv3(you only look once)的电容表面缺陷检测方法。使用CIoU(Complete Intersection over Union)进行损失函数的计算,加速收敛、提高定位精度;通过Mosaic方法增强数据集,丰富检测样本;使用K-means聚类算法优化先验框,使先验框更适于解决电容表面缺陷检测问题;引入基于PANet(Path Aggregation Network)结构的特征融合层,增强语义信息与定位信息。实验结果表明,改进的YOLOv3算法的平均精度均值可以达到89.70%,与原始算法相比有4.79%的提升。相比于其他主流算法,该算法在钽电容表面缺陷检测中精度更高,且能满足实时检测的要求。