基于SDD-YOLO 的轻量级带钢缺陷实时检测算法

打开文本图片集

摘 要： 针对复杂工业生产环境下，热轧带钢的表面缺陷检测准确率低，网络模型参数量过大，难以部署等问题，该文提出一种基于YOLOv4 模型改进的轻量级带钢缺陷实时检测算法SDD-YOLO。所提算法在特征提取部分采用GhostNet 网络，压缩模型参数量；在特征融合部分，借鉴BiFPN 结构改进PAN 网络，采用GSConv 卷积代替标准卷积，减少模型参数量和计算量，同时嵌入注意力模块CA（Coordinate Attention），增强模型特征融合能力；在预测部分采用SIOU-loss 代替CIOU-loss，提高模型收敛效率，加快收敛速度；采用k-means 聚类算法重新设计先验框，提高模型精度。（剩余1038字）