基于改进YOLOv7算法的连铸坯表面缺陷检测

针对连铸坯表面缺陷检测存在的参数量大、小目标检测效果较差、人工标注数据集质量的不稳定性等问题,提出了一种基于改进YOLOv7算法的连铸坯表面缺陷检测模型。首先,引入MobileNetv3 block模块轻量化主干网络,降低计算量,减少参数与复杂度;其次,融合双层路由注意力机制,实现更灵活的计算分配和内容感知;最后,使用WIoU损失函数替换原损失函数,使模型获得更好的泛化能力。改进后的模型检测精度达到了89.3%,角部横裂的检测精度提升了6.6%;权重文件大小减少为原来的56.5%,检测速度达到了98 fp/s。结果表明,所提出的算法参数量小、检测速度快、精度高,能够满足连铸坯表面缺陷在线检测工作需求。