基于YOLOv7的钢表面缺陷检测

针对钢表面缺陷检测中存在误检率和漏检率高问题,提出了一种基于YOLOv7改进的钢表面缺陷检测算法。在该算法中,通过引入ConvNeXt-CBS模块以增强网络的特征提取能力,同时,基于SimAM注意力机制构建了MPCS模块,提高网络对微小缺陷目标的关注度,最后在模型中引入C3模块来提升网络稳定性。实验结果表明,在NEU-DET数据集上,该算法的检测精度达到80.2%,比YOLOv7算法高出3.9%。与以往的钢表面缺陷检测算法相比,该算法具有更高的检测精度和更快的检测速度,可在工业应用中发挥重要作用。