-
题名基于改进YOLOv7的金属表面小缺陷检测研究
- 1
-
-
作者
崔伟
李震宇
余慧杰
-
机构
上海理工大学机械工程学院
-
出处
《机电工程》
CAS
北大核心
2024年第9期1649-1655,共7页
-
基金
国家自然科学基金青年基金资助项目(52105525)。
-
文摘
传统的金属表面缺陷检测是通过人工目测完成的,由于人工目测方法存在效率低下、漏检率高、劳动强度大等缺点,难以满足金属表面缺陷检测的效率和精度要求。针对工业生产过程中金属表面的小缺陷人工检测效率低等问题,提出了一种基于改进的YOLOv7算法的金属表面小缺陷检测方法。首先,建立了包含5种金属表面小缺陷的数据集;然后,设计了扩散卷积,利用步长改变了卷积核中特征点的间距,扩大了卷积层的感受野;设计了方向注意力模块,通过分割输入特征图,在水平方向和垂直方向上进行了特征提取,在通道维度上引入了注意力机制,根据通道的权重,完成了对输出通道数目的重新调整,增强了YOLOv7对小缺陷的位置感知;最后,研究了不同算法在金属表面小缺陷数据集上的目标检测结果,设计了消融实验,对改进策略进行了性能分析。研究结果表明:在相同训练策略下,与传统的YOLOv7算法模型相比,改进后的YOLOv7算法对小缺陷的检测效率为91 fps,平均检测精度为88.0%,较原模型提高了3.6%。在实际生产中可以采用该方法精确检测复杂背景下的金属表面小缺陷。
-
关键词
缺陷检测效率和精度
改进YOLOv7算法
深度学习
扩散卷积
注意力机制
卷积神经网络
-
Keywords
defect detection efficiency and accuracy
improved YOLOv7 algorithm
deep learning
diffusion convolution
attention mechanism
convolutional neural network
-
分类号
TH161.1
[机械工程—机械制造及自动化]
TG115.28
[金属学及工艺—物理冶金]
TP391.4
[自动化与计算机技术—计算机应用技术]
-