(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210721927.9 (22)申请日 2022.06.24 (71)申请人 西安电子科技大 学芜湖研究院 地址 241002 安徽省芜湖市弋江区高新 技 术产业开发区科技产业园7号楼 申请人 西安电子科技大 学 (72)发明人 王静　王艺静　李建洪　王柯新　 卫思雯　温嘉伟　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 段俊涛 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于YOLOv4改进算法的航空器透明件 缺陷检测方法 (57)摘要 一种基于YOLOv4改进算法的航空器透明件 缺陷检测方法， 采集带有缺陷的透明件图像并进 行标准化处理和数据增强， 得到透明件缺陷增强 数据集， 对YOL Ov4网络模型进行改进， 增加了152 ×152维度大小的特征图提升对小目标的检测效 果， 降低了透明件小尺度缺陷出现漏检或误检的 概率， 并可在目标检测网络的颈部引入CBAM， 增 强了特征图上目标通道和空间的特征， 从而使网 络着重关注包含重要信息的区域。 并且对网络模 型进行剪枝， 在不影响检测精度的情况下加快了 网络的检测速度。 本发明不仅加强了对透明件缺 陷特征提取的能力， 提升了对小尺度缺陷的检测 效果， 还减少了网络的参数量， 提高缺陷检测的 速度。 权利要求书2页 说明书7页 附图7页 CN 115035082 A 2022.09.09 CN 115035082 A 1.一种基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在于， 包括如下步 骤： S1： 采集带有缺陷的透 明件图像并进行标准化处理， 构建得到透明件缺陷数据集， 对其 中的每张图片进行 标注， 所述标注至少包括 缺陷的位置和类别； S2： 对所述透明件缺陷数据集进行增强， 得到透明件缺陷增强数据集， 并按比例划分为 训练集、 验证集和 测试集； S3： 对YOLOv4网络模型进行改进， 用于检测透明件表面的缺陷， 改进的YOLOv4网络模型 中： 其主干网络CSPDarknet ‑53， 输出四个不同尺度的有效特征图， 按照维度由小到大依次 为： 第一尺度特征图、 第二尺度特征图、 第三尺度特征图、 第四尺度特征图； 所述改进的 YOLOv4网络模型 具有四个 检测头； 所述第一尺度特征图经过金字塔池化并进行拼接和卷积得到特征图C1， 所述特征图C1 上采样与第二尺度特征图进 行拼接和卷积得到特征图C2； 所述特征图C2上采样与所述第三 尺度特征图进 行拼接和卷积得到特征图C3； 所述特征图C3上采样与第四尺度特征图进 行拼 接和卷积得到特征图C4； 所述特征图C4下采样与特征图C3进行拼接和卷积得到特征图P4； 所述特征图P4下采样与特征图C2进 行拼接和卷积得到特征图P 3； 所述特征图P3下采样与特 征图C1进行拼接和卷积得到特 征图P2； 所述特征图C4、 特征 图P4、 特征 图P3和特征图P2， 分别输入一个检测头进行检测， 检测 结果的通道数为num_anchors ×(5+num_classes)， num_anchors是每个网格先验框的个数， num_clas ses是缺陷类别个数； S4： 利用训练集对改进的YOLOv4网络模型进行训练， 得到最优模型参数， 将采集到的透 明件缺陷图片输入至训练得到的模型进行检测， 输出缺陷的位置和类型。 2.根据权利要求1所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述S1包括： S1‑1、 通过照片采集得到 透明件缺陷图片， 缺陷种类有点状、 线状、 面状三种； S1‑2、 对采集得到的图片进行 标准化， 统一格式和大小； S1‑3、 采用标注工具， 以标注框标注并记录缺陷在图片上的位置和类别， 将标注内容存 放为xml格式文件， 图片里的点状、 线状、 面状缺陷分别用数字0， 1， 2记录在文件中， 文件名 称与对应图片名相同。 3.根据权利要求1所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述S2， 增强方法包括： 水平、 垂直、 随机亮度和随机倾 斜。 4.根据权利要求1所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述S3， 第一尺度特征图、 第二尺度特征图、 第三尺度特征图和第四尺度特征图的维度 大小依次为19 ×19×1024、 38×38×512、 76×76×256和152×152×128； 所述特征图C1、 特 征图C2、 特征图C3、 特征图C4、 特征图P4、 特征图P3、 特征图P2的维度大小依次为19 ×19× 512、 38×38×256、 76×76×128、 152×152×128、 76×76×256、 38×38×512和19×19× 1024； 所述特 征图C4输入检测头得到152 ×152×3×(5+class_num)大小的特 征图R4。 5.根据权利要求1所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述第一尺度特征图经过金字塔池化和拼接后的卷积次数为三次； 所述特征图C1上采权　利　要　求　书 1/2 页 2 CN 115035082 A 2样与第二尺度特征图拼接后的卷积次数为 五次； 所述特征图C2上采样与第三尺度特征图拼 接后的卷积次数为五次； 所述特征图C3上采样与第四尺度特征图拼接后的卷积次数为五 次； 所述特征图C4下采样与特征图C3后的卷积次数为五次； 所述特征图P4下采样与特征图 C2拼接后的卷积次数为五次； 所述特 征图P3下采样与特 征图C1拼接后的卷积次数为五次。 6.根据权利 要求1或2或3或4或5所述基于YOLOv4改进算法的航空器透明件缺 陷检测方 法， 其特征在于， 所述特征图C4、 特征图P4特征图P3和特征图P2分别经一个轻量级混合注 意 力CBAM模块之后， 再送入各自的检测头 。 7.根据权利要求6所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述轻量级混合注意力CBAM模块由通道 注意力模块和空间注意力模块串联构成， 其中： 所述空间注意力模块以通道注意力模块输出的特征图作为输入， 分别进行全局最大池 化和全局平均池化， 然后对池化操作后得到的两个特征图进行通道拼接， 拼接后的特征图 进行空洞卷积， 然后利用sigmoid激活函数生 成空间注 意力， 将生 成的空间注 意力与所述空 间注意力模块的输入按对应元 素相乘， 得到经 过空间注意力模块后的特 征图。 8.根据权利要求7所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 所述空洞卷积的卷积核为3 ×3， 空洞率设置为2。 9.根据权利要求1所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 对模型进行剪枝， 以减少模型参数。 10.根据权利要求9所述基于YOLOv4改进算法的航空器透明件缺陷检测方法， 其特征在 于， 对模型进行剪枝后， 模型的主干网络CSPDarknet53共有5个大残差块， 每个大残差块所 包含的小残差单 元个数由1、 2、 8、 8、 4变为1、 2、 5、 5、 4。权　利　要　求　书 2/2 页 3 CN 115035082 A 3