改进YOLOv4的表面缺陷检测算法

作者：李彬; 汪诚; 丁相玉; 巨海娟; 郭振平; 李卓越

来源：北京航空航天大学学报, 2021, 1-10.

DOI：10.13700/j.bh.1001-5965.2021.0301

• YOLOv4
• 表面缺陷检测
• 航空发动机
• 小目标检测
• Focal loss

为解决航空发动机部件表面缺陷检测精度低、检测速度慢的问题，提出一种改进的YOLOv4算法进行智能检测。首先在PANet（路径聚合网络）结构中融合浅层特征与深层特征，增大特征检测尺度，同时去除自下而上的路径增强结构，提高小目标检测精度和整体检测速度；然后根据各类缺陷数量不同的情况，优化Focal loss（聚焦损失）中的平衡参数，增加权重因子调节各类缺陷的损失权重，将改进后的Focal loss代替分类误差中的交叉熵损失函数，降低样本不平衡和难易样本对检测精度的影响。实验表明，相比于原始YOLOv4，改进后的YOLOv4在测试集上的mAP（平均精度均值）为90.10%，提高了2.17%；检测速度为24.82 fps，提高了1.58 fps。检测精度也高于SSD、EfficientDet、YOLOv3和YOLOv4-Tiny算法。

• 单位
  中国人民解放军空军工程大学