10.13338/j.issn.1006-8341.2023.04.005
基于改进YOLOv7的织物疵点检测算法
针对织物疵点检测方式大多为人工操作且检测耗时、背景复杂、所含疵点种类繁多等问题,提出一种改进YOLOv7算法的轻量级检测方法.首先,在主干和颈部引入FasterNet结构,在保证检测精度的同时又降低网络参数量;其次,为减少位置信息丢失,在特征提取阶段引入CA注意力模块,以提高网络的表达能力;最后,引入新的损失函数Focal-EIoU,将Focal与EIoU相结合,提高疵点的分类和定位精度.通过对构建的含有6种疵点的面料数据集进行测试可以看出,相比于原算法,所提算法计算量GFLOPS降低至38.6,参数量降低6.14 × 106,平均精度均值提高4.6%,漏检率降低5.5%,帧率达到63.2帧/s.
YOLOv7、织物疵点检测、FasterNet、注意力机制、Focal-EIoU
36
TS101.9(纺织工业、染整工业)
国家自然科学基金62176204
2023-10-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
29-36