摘要
针对金属表面缺陷检测中不同缺陷之间存在相似性以及小目标缺陷的问题,提出一种基于改进YOLOv7的金属表面缺陷检测算法.首先通过构建更大的高效层聚合网络(V-ELAN)模块来有效增强网络对不同缺陷间差异较小的学习能力.其次在Neck部分结合空间通道双重注意力机制,提升对图像中小目标特征提取能力,减少无用特征的干扰;采用Alpha IOU损失函数替换原来的CIOU损失函数,加速网络收敛,提高网络的鲁棒性.最后引入深度可分离卷积,在降低网络的参数量和计算量的同时尽可能减少精度损失.结果表明,改进后的YOLOv7网络模型较原来YOLOv7网络模型提升了3.6%,且mAP达到79.0%,模型大小减少了4.4%,检测效果要优于原网络模型和其他主流目标检测网络模型.
维普
万方数据