计算机应用

作者：袁野, 谭晓阳

单位：1. 南京航空航天大学 计算机科学与技术学院, 南京 211106;2. 模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学), 南京 211106;3. 软件新技术与产业化协同创新中心, 南京 211106

关键词：金属表面,缺陷,冰箱,损失函数,YOLOv3,完整交并比

基金：国家自然科学基金资助项目（61732006，61672280，61976115）；全军共用信息系统装备预研项目（315025305）。

为了提升冰箱金属表面的缺陷检测效率，从而应对复杂的生产情况，提出了Metal-YOLOv3模型。使用随机参数变换，将缺陷数据进行了数百倍的扩充，改变原有YOLOv3模型的损失函数，引入了基于完整交并比（CIoU）所设计的CIoU损失函数，用缺陷的分布特性来降低非极大值抑制算法的阈值，并基于K均值聚类算法计算出更适合数据特点的先验框（anchors）值以提升检测精度。在一系列的实验后，发现Metal-YOLOv3模型在检测速度上远胜于主流的区域卷积神经网络（R-CNN）模型，每秒传输帧数（FPS）达到7.59，是Faster R-CNN的14倍，而且平均精确度（AP）也达到了88.96%，比Faster R-CNN高11.33个百分点，说明所提模型同时具备良好的鲁棒性与泛化性能。可见该方法具备有效性，能实际应用于金属制品的生产。

来源：2021年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第1期