改进YOLOv7算法在西林瓶轧盖缺陷检测中的应用

针对西林瓶轧盖缺陷检测中存在目标缺陷较小和特征不清造成的漏检问题,提出一种基于改进YOLOv7算法的缺陷检测方法。首先在真实工业环境下采集西林瓶轧盖的缺陷图像,包括划痕、缺帽、凹裂、复合缺陷4种常见缺陷,并进行数据增强,构造一个具有3220张西林瓶轧盖缺陷图像的数据集。然后在原始YOLOv7的基础上引入CBAM(Convolution Block Attention Module)注意力模块和ASFF(Adaptively Spatial Feature Fusion)自适应特征融合模块,以提高网络提取特征的能力,提高对小目标缺陷的检测精度,降低西林瓶轧盖缺陷漏检率。实验结果表明,改进后算法的平均检测精度(mAP)达到99.3%,比改进前提升1.9个百分点。改进后算法为工业界西林瓶轧盖缺陷检测提供了新思路,具有较好的应用前景。