基于改进YOLOv4算法的铝型材表面缺陷检测

摘要

铝型材生产过程中由于多种工艺因素影响导致产生表面缺陷,影响出厂品质及正常使用。铝型材表面缺陷种类多样、尺度小、特征不明显,现有的人工目检难以达到高效、准确的检测要求。针对上述问题,提出了一种改进的YOLOv4检测算法。以原算法为基础,对颈部网络PANet进行改进,增加与浅层特征层融合以解决对小目标缺陷检测精度低的问题,提高整体检测精度。为了使网络更多聚焦于有用信息,在网络中嵌入通道注意力机制模块SENet,进一步提升网络性能。实验结果表明,该模型能够有效识别铝型材表面不同种类的缺陷,较原YOLOv4算法mAP提高7.84%,检测速度达到32.8 fps。所提方法能够满足铝型材工厂生产现场缺陷检测要求。