改进Yolov7-tiny的钢材表面缺陷检测算法

摘要：

为提高钢材表面缺陷小目标检测效率,提出一种改进Yolov7-tiny的钢材表面缺陷检测算法.将特征提取网络的激活函数更换为SiLU,提高特征提取能力;把特征融合网络的张量拼接操作与加权双向特征金字塔BiFPN结合,再把上采样部分的最邻近插值替换为轻量级算子CARAFE,提升特征融合能力;最后在输出端引入多头自注意力机制MHSA 和SPD卷积构建块,提升输出端对钢材表面缺陷小目标的检测性能.在NEU-DET数据集上做消融和对比实验,改进算法与原Yolov7-tiny算法比较,mAP提升11.7个百分点,Precision提升3.3个百分点,FPS值达到192,结果表明改进算法能有效提升钢材表面缺陷小目标检测效率;在VOC2012数据集上做通用性对比实验,结果表明改进算法具有通用性.

关键词：钢材表面、缺陷检测、Yolov7-tiny、SiLU、BiFPN、CARAFE、MHSA、SPD

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62173171

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：176-183