基于改进YOLOv7的热轧板材表面缺陷检测研究

作     者：孙铁强 麻文建 宋超 肖鹏程 SUN Tieqiang;MA Wenjian;SONG Chao;XIAO Pengcheng

作者机构：华北理工大学人工智能学院唐山063210 华北理工大学河北省工业智能感知重点实验室唐山063210 华北理工大学冶金与能源学院唐山063210 

基　　金：河北省“三三三人才工程”资助项目(A202102002) 2023年唐山市重点研发项目(23140204A) 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2024年第6期

页      码：146-150页

摘      要：为提高热轧板材表面检测的速度以及检测的精度,提出一种改进的YOLOv7-BRS目标检测算法。首先,对YOLOv7中ELAN结构进行改进,提出一种新型计算模块BRConv,使用深度可分离卷积并添加多分支的跳跃连接方式来减小模型复杂度,实现模型轻量化并提高检测速度;其次,设计了一种新型多尺度识别的注意力机制,拥有不同的感受野,进一步提高模型对不同尺度重要特征的提取能力;最后,对损失函数进行改进,引入角度损失概念,重新定义了惩罚指标,提升模型训练时的收敛速度以及准确性。实验表明,改进后的模型体积减小了36%,在NEU-DET数据集上mAP提高了7.3%,FPS提高了14.4。相比于目前主流算法,检测精度和速度都有显著提高,并且体积更小,能够有效完成板材表面缺陷检测任务。

主 题 词：缺陷检测 YOLOv7 模型轻量化 注意力机制 损失函数 

学科分类：080202[080202] 08[工学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2024.06.029

馆 藏 号：203128243...