论文部分内容阅读
针对铝型材表面缺陷快速准确检测的需求,提出一种基于YOLO深度学习模型的铝型材表面缺陷识别方法。对铝型材数据集进行图像增广,解决原始数据集中图像数量少且缺陷数据不均衡问题。建立基于YOLO的铝型材表面缺陷识别模型,通过增加模型预测尺度,提高对微小缺陷的识别能力。对铝型材缺陷数据集的目标框重新进行聚类分析,改进YOLO算法的模型参数。通过多尺度训练方法,增强模型对不同尺度缺陷的适应性和识别精度。实验结果表明,本文方法识别效果较改进前有较明显提升,准确率均值MAP从95.66%提升至97.46%,单幅图