基于改进YOLOv7的风力发电机表面缺陷检测算法

来源：计算机集成制造系统杂志2025年第11期北京时间：

作者：邓丁山, 王昊楠, 赵军杰, 乔悦琦, 赵兵

单位：1.青海大学机械工程学院2.广东工业大学自动化学院

摘要：风力发电机表面缺陷检测是判断风机能否正常运行的关键。在实地考察并制作数据集之后,针对发电机表面缺陷检测特有难点,及现有深度学习方法的不足,提出基于改进YOLOv7的缺陷检测算法——YOLOv7-BAHS算法。该算法首先在原网络中引用BoTNet网络,使模型参数量降低,进而提高计算速度,并用Hardswish激活函数替代SiLU激活函数,优化样本不平衡的问题,提高收敛速度和回归精度。其次在Head层引入ACmix模块,将卷积和自注意力进行融合,增强模型的预测能力,进而提升检测效果。最后将改进的Spatial Pyramid Pooling结构（SPPCSPC）进行优化,设计出新的SPPCSPC_N模块,可以在保持感受野不变的情况下减少计算量。结果表明,该方法相比其他检测器,mAP值提升6.5%,F1分值提升7%,速度从52.36 FPS提升至74.66 FPS。

关键词：YOLOv7,风力发电,缺陷检测,深度学习,注意力机制