复制成功
万方会员
暂未开通会员
开通即享超值福利、会员权益
优质内容推荐
简 繁
搜索
基于 YOLO-World 的钢铁表面缺陷实时检测算法研究
全文直达
引用
收藏
打印
摘要:针对钢铁工业生产中表面缺陷检测效率低、误检率高等问题,本研究提出一种改进的 YOLO-World 深度学习算法。 通过设计多尺度上下文感知模块增强复杂背景下的特征提取能力,引入动态权重损失函数优化多目标检测精度,并结合通 道剪枝与 8-bit 量化技术实现模型轻量化部署。理论分析表明,改进算法在东北大学 NEU-DET 数据集上的平均检测精度 (mAP)达 92.5%,模型参数量减少 58%,推理速度提升至 48 帧 / 秒。本文系统阐述了算法改进原理、数学模型及工业应 用潜力,为智能制造场景下的实时质检提供了可行的技术方案。
x