铸锻件探伤检测，镀层弯曲试验
改进的YOLOv3算法
■ 为了提升网络实时性并保证精度的基础上，主要对网络做了如下改进。
2.1改进骨干网络
■ YOLOv3的结构是借鉴残差网络的思想设计的，在加强特征提取的同时，也增加了许多的参数，一定程度上影响了实时性。所以利用MobileNetv2可以有效的减少参数的同时保证一定的准确度。MobileNetv2是在MobileNetv1基础上做的改进。MobileNetv1的贡献是提出了深度可分离卷积，MobileNetv2保留了MobileNetv1的优点，并加入了具有线性瓶颈的逆残差结构（InvertedResiduals），与传统ResNet结构中先对bottlenecks降维再复原不同，这里先用一个expandlayer进行升维，然后再逐通道卷积（Depthwise Convolution），后再11降维复原。提出线性瓶颈（LinearBottlenecks），在维度较小的11卷积之后不再采用ReLU操作，避免对特征的破坏。MobileNetv2的基础结构图见图2，更换骨干网络后检测对比见表1。
