ZZX-YOLO：改进YOLOv7-tiny的钢材缺陷检测算法

来源：计算机工程与应用杂志2025年第16期北京时间：

作者：周赵轩, 曹岩

单位：1.西安工业大学 机电工程学院，西安 710021；2.西安工业大学 计算机科学与工程学院，西安 710021

摘要：针对钢材表面缺陷尺寸变化大，采集图像特征不明显，导致传统缺陷检测方法在实际应用中容易出现漏检、检测效率低和不易部署在移动端设备中等问题，提出了一种面向工业环境的轻量化钢材表面缺陷检测方法ZZX-YOLO。针对普通卷积计算量大的问题，提出一种新的轻量级卷积技术ZZXConv，增强了特征图的纹理特征，抑制了冗余信息，促进了检测精度和速度的提升；基于ZZXConv设计了一种全新的ZZX残差模块，实现了更丰富的特征聚合，增强了特征提取能力，并且设计了ZZX_CSPC模块取代YOLOv7-tiny颈部结构中的ELAN-tiny，提高特征的表达能力和弱化无关的特征信息，以实现更高的计算成本效益。使用K-means++算法重新聚类生成先验框，提高了检测精度和检测速度。实验结果表明，改进的算法在数据集上的平均精度达到了63.13%，相比于原算法，精确度提高了7.70个百分点，参数量下降了8.53%，证明了ZZX-YOLO的有效性。

关键词：轻量化钢材表面缺陷检测,YOLOv7-tiny,ZZXConv,ZZX_CSPC模块,ZZX-YOLO