针对压力容器焊缝缺陷因目标尺寸小、特征各异以及背景复杂导致检测精度低和速度慢的问题,文中提出了一种基于改进YOLOv7(You Only Look Once version 7)的焊缝缺陷检测方法。在网络的Neck部分添加全局注意力机制(Global Attention Mech...针对压力容器焊缝缺陷因目标尺寸小、特征各异以及背景复杂导致检测精度低和速度慢的问题,文中提出了一种基于改进YOLOv7(You Only Look Once version 7)的焊缝缺陷检测方法。在网络的Neck部分添加全局注意力机制(Global Attention Mechanism,GAM)模块,防止丢失较小尺寸和细微的特征信息,并加强了特征提取,提高了检测精度。采用CNeB(ConvNeXt Block)模块替换网络中ELAN(Efficient Layer Aggregation Network)模块,从而简化整体模型,减少模型在训练和推理过程中的耗时,在提高检测精度的同时提高了检测速度。为了增强改进YOLOv7模型的鲁棒性,在该模型中融合GAM模块和CNeB模块。实验结果表明,改进后的算法速度为48.1 frame·s^(-1),其平均精度均值mAP(mean Average Precision)达到了94.2%,比原算法提升了2.9百分点,说明新方法能够实现焊缝缺陷检测。展开更多
文摘针对压力容器焊缝缺陷因目标尺寸小、特征各异以及背景复杂导致检测精度低和速度慢的问题,文中提出了一种基于改进YOLOv7(You Only Look Once version 7)的焊缝缺陷检测方法。在网络的Neck部分添加全局注意力机制(Global Attention Mechanism,GAM)模块,防止丢失较小尺寸和细微的特征信息,并加强了特征提取,提高了检测精度。采用CNeB(ConvNeXt Block)模块替换网络中ELAN(Efficient Layer Aggregation Network)模块,从而简化整体模型,减少模型在训练和推理过程中的耗时,在提高检测精度的同时提高了检测速度。为了增强改进YOLOv7模型的鲁棒性,在该模型中融合GAM模块和CNeB模块。实验结果表明,改进后的算法速度为48.1 frame·s^(-1),其平均精度均值mAP(mean Average Precision)达到了94.2%,比原算法提升了2.9百分点,说明新方法能够实现焊缝缺陷检测。
