基于 YOLOV7 的改进汽车零件缺陷检测算法

汽车零部件缺陷检测通常采用基于YOLOV7的深度学习模型,针对生产环境中计算资源受限的问题,提出了改进YOLOV7的汽车零部件表面缺陷检测算法,首先使用MobileNetV3模块替换YOLOV7骨干网络,其次将颈部网络替换为重复加权双向特征金字塔网络BiFPN和多路径高效设计BepC3模块,最后采用一种基于高斯Wasserstein距离的回归损失函数代替原有的损失函数。实验结果表明,该算法相较传统YOLOV7的AP50精度提高0.155,比YOLOx算法AP50精度提高0.139,在检测精度和效率方面综合表现优异。