文献类型：期刊文献

中文题名：基于改进YOLOv4算法的结构用锯材表面缺陷检测研究

英文题名：Research on surface defect detection of structural sawn timber based on improved YOLOv4 algorithm

作者：田媛[1];郭慧[1];张伟[2];金征[2]

机构：[1]华东理工大学机械与动力工程学院,上海200237;[2]国家林业和草原局北京林业机械研究所,北京100029

年份：2023

卷号：45

期号：4

起止页码：26

中文期刊名：制造业自动化

外文期刊名：Manufacturing Automation

收录：CSTPCD;;北大核心:【北大核心2020】；

基金：中央级公益性科研院所基本科研业务费专项资金(CAFYBB2019M B006);国家林业和草原局林业科学技术推广项目([2019]35);国家自然科学基金(31670721)。

语种：中文

中文关键词：结构用锯材;深度学习;YOLOv4;ASFF

摘要：针对木结构用锯材表面缺陷人工检测效率低下、精度低等问题。提出了一种改进的YOLOv4算法用于结构用锯材表面缺陷检测研究,在原YOLOv4算法基础上加入了自适应特征融合模块(AdaptivelySpatial FeatureFusion,ASFF),解决了不同特征尺度间的不一致性。为了验证算法的有效性,论文分别采用YOLOv3、YOLOv4及改进的YOLOv4算法对1052张结构用锯材表面缺陷样本图像进行对比测试。结果表明,与YOLOv3、YOLOv4算法相比,改进的YOLOv4算法平均测试精度均值分别提高了2.36%和19.9%,对单张含有不同大小目标的图片检测结果提高了13%。