一种基于YOLO的起重机关键部件缺陷检测方法

一种基于YOLO的起重机关键部件缺陷检测方法，属于目标缺陷检测方法领域。现有目标缺陷检测方法在针对复杂背景下的少样本、小目标的检测过程中存在特征损失、卷积层深度大、特征图通道数多、计算量大的问题。本发明方法包括收集与处理数据集；改进YOLO模型结构，将原本的耦合头替换成解耦合头；进行通道剪枝；配合卷积和注意力机制改进检测算法，选用EIoU Loss更好的回归函数作为边界框回归损失函数；使用轻量级通用上采样算子CARAFE替换最近邻插值，以改进上采样方法；利用部分数据对改进的YOLO模型结构进行训练；利用训练后的模型对起重机关键部件缺陷进行检测。本发明适用于复杂背景下少样本、小目标缺陷识别，且具有模型轻量化，识别精确度高、速度快的优点。