基于改进YOLOv7的溴铅铯薄膜表面缺陷检测算法

为了实现溴铅铯薄膜表面缺陷的自动检测和提高缺陷检测的精度,提出一种改进的目标检测算法YOLOv7DBS。首先,在主干网络中设计了DCN-ELAN模块,引入了可变形卷积DCNv3,增强主干网络对复杂形状缺陷特征的提取能力;其次,在颈部网络中引入BiFormer注意力机制,降低背景对于缺陷检测的干扰,提升网络的检测精度;最后,引入了一种具有角度损失的新型损失函数SIoU替代原始损失函数CIoU,以增强预测框与真实框的匹配程度,从而提高缺陷检测的准确性。实验结果表明,提出的YOLOv7-DBS改进算法相较于YOLOv7基准模型具有更低的参数量和计算量,分别降低了0.17×10^(6)和3×10^(9),对于杂质和不均匀缺陷的检测准确率分别提高了2%和5%,同时模型的mAP@0.5提高了1.68%。这表明提出的改进模型更适合用于溴铅铯薄膜表面缺陷智能检测。