来源：期刊VIP网 时间：
作者：韩雅洁;郝晓丽;牛保宁;薛晋东;
单位：太原理工大学计算机科学与技术学院(大数据学院);国网太原供电公司;
摘要：【目的】针对已有模型在检测小尺寸、与背景对比度低的破损时易出现漏检、误检等问题，提出一种改进YOLOv4的检测模型。【方法】针对小尺寸问题，首先设计了DDS unit替换主干网络中的Res unit，利用不同层次特征跨层连接的方式获得完整丰富的多尺度特征完成小尺寸破损的检测。其次，在分类损失函数中引入梯度协调机制动态调整小尺寸破损的权重使其得到充分训练。针对破损与背景对比度低的问题，首先在主干网络深层网络层中嵌入坐标注意力机制，增强模型对破损特征的关注度，降低背景噪声的干扰。其次，设计精确解耦头通过解决分类、定位任务对特征需求的矛盾提升检测精度。【结果】实验表明，模型的平均精度较YOLOv4提升了3.92%，小尺寸的划伤类破损、与背景低对比度的磨损类破损的检测精度分别提升4.32%和4.24%，可有效解决漏检、误检问题。
关键词：传送带破损;;YOLOv4;;DDS unit;;梯度协调机制;;坐标注意力机制;;精确解耦头
基金资助：山西省应用基础研究项目（201901D111100）
