专利交易市场

本发明公开了一种基于目标检测算法的钢绳表面缺陷识别方法，步骤包括：步骤1、实时图像采集；步骤2、DeblurGAN钢绳去运动模糊模型，将实时采集的钢绳模糊图片，利用DeblurGAN去运动模糊网络得到去运动模糊后的钢绳生成图片；步骤3、构建钢绳表面缺陷目标检测模型，钢绳表面缺陷目标监测模型采用Mobilenet+FPN轻量级目标检测网络结构，去运动模糊处理后的钢绳生成图片，通过钢绳表面缺陷目标检测模型，实现对钢绳表面缺陷的目标检测，输出为检测到的钢绳表面缺陷。本发明方法将图像的目标检测算法应用于钢绳表面缺陷的在线检测，实现了对同时存在多种缺陷的钢绳检测；检测的准确性及检测效率高。

本发明提出了一种改进损失函数的YOLOv4目标检测算法，对标准YOLOv4模型中位置回归损失函数CIoU_Loss进行改进，提出了新型损失函数SCIoU，将其嵌入YOLOv4中，获得了性能提升；首先下载当前目标检测领域通用数据集tt100k与LISA，并进行数据增强；其次使用标准YOLOv4网络对两个增强后的通用数据集进行训练并检测其性能；然后针对标准YOLOv4模型中位置回归损失函数CIoU_Loss，提出一种改进损失函数SCIoU，并将其嵌入YOLOv4模型进行训练；最后对比标准YOLOv4算法，分析测试结果；本发明提出基于SCIoU改进的YOLOv4算法，包含改进长宽比度量指标vs，并以Sigmoid函数代替arctan函数；将其嵌入YOLOv4中，获得了性能提升，该模型没有引入更多计算量，实时性不受影响，本发明改进的YOLOv4算法鲁棒性较好，可用于多个数据集的性能提升。