来源：期刊VIP网 时间：
作者：申旭桓;马宗方;袁立新;陈陆义;崔衡;董武刚;殷浩;
单位：西安建筑科技大学信息与控制工程学院;中冶长天(长沙)智能科技有限公司;
摘要：为应对传统篦条缺陷检测方法效率低、易干扰等问题，该文提出一种PMC-YOLO篦条缺陷检测算法，以翅冀的篦条故障作为实验检测对象。首先，通过渐进特征融合网络AFPN(Asymptotic feature pyramid network)结合路径聚合网络PANet(Path aggregation network)的思想，提出一种P-AFPN特征融合方式，使模型适应不同层次的特征信息；其次，设计MC-SimSPPF模块，在SimSPPF(Simplified spatial pyramid pooling-fast)模块引入混合局部通道注意力机制MLCA(Mixed local channel attention),增强网络对有用特征的捕捉；之后，利用PP-LCNet(Pyramid lightweight convolutional neural network)实现主干网络的轻量级设计，确保高速度的同时维持高精度；最后，使用Focal-EIoU损失函数，准确地描述边界框之间的差异，提升目标定位精度。结果显示，改进的PMC-YOLO模型大小仅9.9 MB,平均检测精度达到93.8%,提升5.3%,检测速度达87 frame/s,适合在嵌入式设备上部署，且满足烧结环境下实时篦条缺陷检测需求。
关键词：缺陷检测;;篦条;;PMC-YOLO;;烧结复杂环境
