基于改进YOLOv4的地板缺陷检测算法

摘要

为解决现有地板表面纹理类缺陷、小目标缺陷检测效果差的问题,提出了一种基于改进-YOLOv4的地板表面缺陷检测方法。修改了YOLOv4的CSPDreknet53特征提取网络输出,增加了104×104的特征层输出,在保持原有的特征层的基础上,增加了对小目标检测的特征层,增加特征层的上采样融合和下采样融合,使特征提取的更加充分,减少信息的丢失,对小目标检测更为精准。对整理好的数据集进行改进后的K-means聚类分析,重新设置了先验框的数量和大小。最后使用改进型-YOLOv4训练出的模型进行mAP计算,实验结果表明,改进型-YOLOv4的mAP达到了89.07%,比改进前提升了5.77%,分类准确率达到了94.62%,能够准确且快速的识别出地板的表面缺陷。