针对无规共聚聚丙烯(Polypropylene Random Copolymer,PPR)管铜嵌件缺陷复杂、多样性、尺度差异大的检测难点,提出了一种改进k均值聚类算法(K-means Clustering Algorithm,K-means)结合多尺度特征融合和注意力机制融入的改进YOLOv7(You ...针对无规共聚聚丙烯(Polypropylene Random Copolymer,PPR)管铜嵌件缺陷复杂、多样性、尺度差异大的检测难点,提出了一种改进k均值聚类算法(K-means Clustering Algorithm,K-means)结合多尺度特征融合和注意力机制融入的改进YOLOv7(You Only Look Once Version 7)模型检测方法。先用K-means++聚类生成各类缺陷集的平衡标签,再将平衡标签作为第二步K-means聚类的初始中心,使得聚类获得的初始锚框更适合本缺陷样本集。通过融入坐标注意力(Coordinate Attention,CA)机制使模型在检测复杂缺陷时更关注其重要特征,减少冗余特征的干扰。针对缺陷尺度差异性大的特点,采用多尺度特征融合增加了极小尺度检测模块。实验结果表明,改进后的YOLOv7模型比原始模型平均精度均值(Mean Average Precision,mAP)提升了2.29%,和其他主流检测算法相比,在维持检测速度基础上提升了检测精度。改进后的模型mAP达到89.21%,检测速度达到57帧/秒,具有较好的工业应用前景。展开更多
文摘针对无规共聚聚丙烯(Polypropylene Random Copolymer,PPR)管铜嵌件缺陷复杂、多样性、尺度差异大的检测难点,提出了一种改进k均值聚类算法(K-means Clustering Algorithm,K-means)结合多尺度特征融合和注意力机制融入的改进YOLOv7(You Only Look Once Version 7)模型检测方法。先用K-means++聚类生成各类缺陷集的平衡标签,再将平衡标签作为第二步K-means聚类的初始中心,使得聚类获得的初始锚框更适合本缺陷样本集。通过融入坐标注意力(Coordinate Attention,CA)机制使模型在检测复杂缺陷时更关注其重要特征,减少冗余特征的干扰。针对缺陷尺度差异性大的特点,采用多尺度特征融合增加了极小尺度检测模块。实验结果表明,改进后的YOLOv7模型比原始模型平均精度均值(Mean Average Precision,mAP)提升了2.29%,和其他主流检测算法相比,在维持检测速度基础上提升了检测精度。改进后的模型mAP达到89.21%,检测速度达到57帧/秒,具有较好的工业应用前景。