首页|基于改进YOLOv7-tiny焊缝表面缺陷检测算法

基于改进YOLOv7-tiny焊缝表面缺陷检测算法

扫码查看
原文链接
  • 万方数据
  • 维普
针对在焊缝表面缺陷的深度学习目标检测算法容易出现误检率较高、检测准确率较低的问题,为提高焊缝缺陷检测效率,文中基于YOLOv7-tiny目标检测算法进行一系列改进.首先,采用GSConv改进YOLOv7-tiny网络的Neck层,以减少网络的参数量,降低模型的计算复杂度;在下采样阶段引入无参数注意力(SimAM),在通道或者空间维度中的任意维度上进行特征捕捉和特征融合,实现多维信息的交互,提高网络对复杂背景下焊缝的关键特征捕捉能力.试验结果表明,在相同试验条件下改进YOLOv7-tiny相较于YOLOv7-tiny准确率均值(mAP)提高了 1.86％,参数量和计算量分别下降了 15.28％和5.3％.改进YOLOv7-tiny准确率有明显提升,可实现快速、精准检测焊缝表面缺陷.

李其鹏、缪海波、李志文、赵力伟、周建新

展开 >

南京工业大学机械与动力工程学院,江苏南京 211816

温州市特种设备检测研究院,浙江温州 325007

焊缝表面缺陷 YOLOv7-tiny GSConv 轻量化 SimAM 注意力机制

2024

焊接技术
天津市焊接研究所 中国工程建设焊接协会

焊接技术

CSTPCD
影响因子：0.286
ISSN：1002-025X
年,卷(期)：2024.53(7)
  • 1