基于YOLO v3算法的不同主干网络对织物瑕疵检测.pdfVIP

测控技术

模式识别与人工智能2021年第40卷第3期・61・

基于YOLOv3算法的不同主干网络对织物瑕疵检测

谢景洋，王巍，刘婷

(国合通用(青岛)测试评价有限公司，山东青岛266000)

摘要:针对布匹瑕疵检测中由于输入图片尺寸较大导致检测速度降低的问题，提出了使用轻量化的Mo-

bileNets、更细粒度多尺度特征的Res2Net修改YOLOv3主干网络的两种方案。在相同条件下训练3种

YOLOv3网络，实现了对20种缺陷的检测。对比搭载3种主干网络YOLOv3算法的参数量、检测速度

和精度，利用可视化工具Grad-CAM研究3种主干网络对缺陷的特征提取能力。实验结果表明，搭载

MobileNets主干网络的参数量是原始网络的1/3，检测速度提高30%，并且在精度上mAP值达到

31.22%，接近原始网络的32.54%。Res2Net的细粒度多尺度特征结构在布匹瑕疵检测上没有明显优

势。Grad-CAM可视化结果表明MobileNets主干网络在特征提取上更专一。

关键词:YOLOv3；主干网络替换；织物瑕疵检测；Grad-CAM

中图分类号:TP391文献标识码:A文章编号：1000-8829(2021)03-0061-06

doi：10.19708/j.ckjs.2021.03.012

FabricSurfaceDefectDetectionBasedonYOLOv3withDifferent

BackboneNetworks

XIEJing-yang,WANGWei,LIUTing

(ChinaUnitedTestEvaluation(Qingdao)Co.,Ltd.,Qingdao266000,China)

Abstract:Inviewoftheproblemthatthedetectionspeedisreducedduetothelargesizeoftheinputimagein

thefabricdefectdetection,twoschemesareproposedtomodifythebackbonenetworkofYOLOv3byusing

lightweightMobileNetsandRes2Netwithmorefine-grainedandmulti-scalefeatures.ThreetypesofYOLOv3

networksweretrainedunderthesameconditionstoachievedetectionof20typesofdefects.Theparameters,

detectionspeedandaccuracyofthreekindsofbackbonenetworksarecompared,andthevisualtoolGrad-CAM

isusedtostudythefeatureextractioncapabilitiesofthreebackbonenetworksfordefects.Theexperimentalre­

sultsshowthattheparametersofthebackbonenetworkwithMobileNetsare1/3oftheoriginalnetwork,thede­

tectionspeedisincreasedby30%,andtheac