首页|基于改进YOLOv7的金属表面缺陷检测方法

基于改进YOLOv7的金属表面缺陷检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Metal surface defect detection method based on improved YOLOv7

metal surface defect detectionYOLOv7small object detectionattention mechanismsloss function

冷浩、夏骄雄

展开 >

上海理工大学光电信息与计算机工程学院,上海 200093

中共上海市教育科学研究院委员会

金属表面缺陷检测 YOLOv7 小目标检测 注意力机制 损失函数

2023

10.16644/j.cnki.cn33-1094/tp.2023.09.011

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(9)
  • 2
  • 3