摘要
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.
维普
万方数据