摘要：热轧板是钢铁产品生产的重要原材料，其表面缺陷直接影响着最终钢铁产品的质量，因此热轧板表面缺陷的检测技术对于控制产品质量有着重要的意义。为更准确、高效实现热轧卷板表面质量判定，降低唐钢热轧产线的人工成本，进而提高生产效率，研究热轧卷板表面缺陷自动检测技术势在必行。本文在YOLOv3模型基础上进行了改进:引入改进注意力模块SE-PＲE，提高模型对缺陷区域的关注程度;增加检测分支扩大感受野，提高模型对小目标缺陷检测的能力;引入dropout检测头，有效控制了训练过拟合现象。同时在模型训练上，优化了学习率设置、损失函数及最优模型的选择策略;在数据上，利用数据增强技术扩充了数据量。通过现场大量数据实验，结果表明，本文的模型在检测精度和效率上均取得了较好的结果，对降低现场人工成本，提高产品质量具有重要意义。 关键词：热轧卷板;缺陷检测;数据增强;注意力模块;小目标检测;过拟合 下载高清全文—基于改进YOLOv3模型的...轧板卷表面缺陷检测技术研究.pdf