基于改进YOLOv7的织物疵点检测算法

为解决因织物疵点尺寸小、形状不规则而导致检测准确率较低等问题,提出一种基于YOLOv7的改进算法。首先设计一个新的聚合网络DR-SPD,该结构将DRes的动态感知能力和SPD的细节提取能力结合在一起,在保持动态区域视野的同时减少细粒度信息的丢失;针对织物背景对检测效果造成的影响,引入GAM注意力机制,提升模型的抗干扰能力,使其能聚焦于更为关键的语义信息;最后,在特征融合网络中加入3条横向跳跃路径以缩短深浅层之间信息传递的距离,减少细节特征的遗漏率。试验表明:改进后模型的mAP值达到95.63%,检测速度为51帧/s,综合性能优于其他主流模型。为验证在工业场景中的有效性,将改进模型部署到车间设备上进行测试,其mAP值达到94.85%,检测速度为43帧/s,可满足实际生产需求。