基于改进YOLOv3的PVC皮革瑕疵检方法研究

针对目前PVC皮革瑕疵检测的检测系统中,由于皮革背景花纹的复杂性,在较多的场景中存在检测精度较低下、实时性较差等问题,提出了一种基于改进YOLOv3(You Only Look Once)的PVC皮革瑕疵检测网络YOLO-D(YOLO for Defects).在YOLOv3特征提取网络的结构基础上,加入MixConv(Mixed Depthwise Convolutional Kernels)混合深度卷积核,以提升精度;通过引入GIoU(Generalized Intersection over Union)损失改进目标边框损失;并且加入标签平滑(Label smoothing),防止过拟合,提高模型的泛化性.在进行PVC皮革瑕疵检测中,YOLO-D在RTX-2070的显卡下平均每张检测时间为18.9ms,相比YOLOv3慢了4.8ms,但检测精度(mAP)为68.5％,相对YOLV3提高了10.9％.YOLO-D在满足PVC皮革瑕疵实时检测的情况下,较大幅度提高了检测的准确性.