-
题名基于重参数化与多查询注意力的轻量化纸病检测模型
- 1
-
-
作者
刘鑫
周强
陈雅鑫
张晓辉
-
机构
陕西科技大学电气与控制工程学院
彩虹集团(邵阳)特种玻璃有限公司
-
出处
《中国造纸学报》
北大核心
2025年第4期186-194,共9页
-
基金
陕西省科技厅工业领域一般项目(2024GX-YBXM-544)。
-
文摘
为了解决现有深度学习算法在纸病检测中难以兼顾检测精度和速度,导致基于机器视觉的纸病检测系统实用性较差的问题,本研究提出了一种基于重参数化与多查询注意力的轻量化纸病检测模型RepLite-YOLO。首先,设计了轻量级的部分深度可分离卷积,降低了模型的复杂度;在此基础上,构建了RCNXC2f模块,以增强模型对多尺度特征的提取能力,并使用重参数化减少了模型推理时的计算量;之后,在模型主干特征提取网络尾部增加C2PMQA模块,以提升模型对全局特征的提炼能力;最后,设计了轻量化检测头模块,并引入无非极大值抑制训练策略,有效提升了纸病检测的实时性。在自建纸病数据集上的研究结果表明,本研究提出的RepLite-YOLO模型的平均正确率为99.2%,参数量仅为1.35 MB,在NIVIDA 4060平台上,检测分辨率为512×512的纸病图像帧率达到了175帧。RepLite-YOLO模型不仅能够保证纸病检测的精度,而且在实时性方面优于其他纸病检测模型。
-
关键词
纸病检测
RepLite-YOLO
重参数化
多查询注意力
nms-free
-
Keywords
paper defect detection
RepLite-YOLO
re-parameterization
mutile query self attention
nms-free
-
分类号
TS736.2
[轻工技术与工程—制浆造纸工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
