-
题名基于YOLOv7-tiny的铝型材表面缺陷检测
被引量：1
- 1
-
-
作者
程鑫
方睿
王畅阳
-
机构
成都信息工程大学计算机学院
-
出处
《计算机技术与发展》
2025年第4期156-163,共8页
-
基金
国家重点研发计划(2020YFA0608000)。
-
文摘
针对铝型材表面缺陷种类间尺寸差异较大、微小目标难以识别、检测精度较低等问题,提出了一种基于YOLOv7-tiny改进的实时性铝型材表面缺陷检测算法。首先替换激活函数为SiLU以增强模型捕获复杂非线性特征的能力;为进一步优化边界框预测,引入了归一化高斯Wasserstein距离作为度量标准,有效降低了模型对目标尺度变化的敏感性。其次在网络主干部分引入C-ELAN模块,融合了CBAM注意力机制,从不同维度提取缺陷特征,提升模型的检测精度;设计D-ELAN模块替换特征提取部分的ELAN模块,更好地结合不同层次的特征,减少计算量。最后在模型的输出头部,增设了针对小目标和低分辨率的SPD-CBS模块,旨在学习更多低细粒度缺陷信息,提升对小目标的检测效果。实验结果表明,改进后模型的平均精度达到89.1%,较原始算法提升7百分点,识别精度提升8.2百分点,召回率提升6.2百分点,计算量减少23%,为铝型材表面缺陷检测研究提供技术参考,可部署于移动端满足工业实时检测要求。
-
关键词
铝型材
表面缺陷检测
YOLOv7-tiny
归一化高斯Wasserstein距离
注意力机制
spd-cbs
-
Keywords
aluminum profiles
surface defect detection
YOLOv7-tiny
normalized Gaussian Wasserstein distance
attention mechanism
spd-cbs
-
分类号
TP931.41
[自动化与计算机技术]
TG146.21
[金属学及工艺—金属材料]
-
