基于改进YOLOV3算法的斜拉桥拉索表面缺陷检测方法

针对人工检测斜拉桥拉索表面缺陷效率低、危险性高、鲁棒性差、检测效果主观性强等问题，提出改进YOLOV3算法进行斜拉桥拉索表面缺陷自动检测方法。首先，采用K-means聚类算法获取适合拉索表面缺陷特征的先验框尺寸；然后，削减主干特征提取网络中的残差块数量，提高网络检测效率，通过在特征金字塔内添加SPP结构，融合不同感受野的显著特征提升网络对多尺度特征信息的适应能力；最后，将IOU进化成为CIOU作为预测框回归损失，提高定位精度。针对分类效果较差的问题，增大分类损失在总损失中的权重，提高分类精度。测试结果表明，改进YOLOV3算法mAP达到93.7%，FPS指数为17，满足拉索表面缺陷检测精度和实时性要求。