增强目标特征的多尺度钢筋网绑扎点目标检测
来源：计算机工程与应用杂志2026年第9期北京时间：
作者：颉俊杰, 赵志刚, 李子轩, 窦晖, 张兴军
单位：1.兰州交通大学 机电工程学院，兰州 730070；2.甘肃路桥建设集团有限公司，兰州 730030；3.兰州交通大学 土木工程学院，兰州 730070；
摘要：针对平面智能钢筋绑扎机器人面向复杂场景时检测准确度低和速度慢的问题，提出一种基于YOLOv7的增强目标特征的多尺度钢筋绑扎点目标检测方法RTR-YOLOv7，将不同尺度特征信息进行融合，使其能更好地检测不同尺度的目标。引入轻量化主干网络RepViT，减少参数冗余和延迟。设计并引入特征融合网络F-GFPN，增加特征信息的交互，提升网络整体性能。引入A2-NeT和ECA注意力机制，对特征信息进行统计和自适应分配，同时避免降维。设计并引入ResPConv卷积模块，输出有效特征信息，避免无效特征交互。实验结果表明，RTR-YOLOv7在钢筋网绑扎点数据集上有效提升了检测准确度和速度，其精确率、召回率和平均精度分别提升15.65、12.93和13.27个百分点，权重模型大小减少9.24 MB，模型推理时间和每秒传输帧率分别提高9.5 ms和7.2 FPS。该模型满足小型可移动智能钢筋绑扎机器人对目标检测算法准确度高和速度快的需求。
关键词：钢筋网绑扎点,钢筋绑扎机器人,YOLOv7,小目标检测,多尺度,注意力机制
基金资助：甘肃省科技型中小企业创新基金（23CXGA0196）；甘肃省高校产业支撑计划项目（2025CYZC-023）；兰州市2024年青年科技人才创新项目（2024-QN-112）；甘肃省交通运输厅科技项目（2024-14）；甘肃省公路交通建设集团有限公司企业项目（GJJ-ZH-2023-065）。
