基于自适应空间特征融合的织物疵点检测算法

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：吴梦微;毋涛;崔青

单位：1. 西安工程大学 计算机科学学院,陕西 西安 710048;2. 西安工程大学 计算机科学学院 纺织服装智能信息服务研究所,陕西 西安 710048

摘要：对于织物疵点检测通常耗时、背景复杂、疵点种类多样且依赖人工操作的问题,提出了一种基于改进 YOLOv7 算法的轻量级检测方法。 首先,增加了一个检测头 Swin-Transformer,增强模型捕获和识别小目标特征的能力;其次,在主干特征提取阶段加入卷积注意力融合的注意力机制 ACmix,使得模型可以自动学习并集中注意力在与小目标相关的区域或特征上,增加对重要特征信息的捕捉;采用自适应空间特征融合的方式,增强了多尺度特征融合能力;最后,使用 Wasstertein 距离优化损失函数,降低了模型对小目标的敏感度。 通过对构建的含有 6 种疵点的面料数据集进行测试可以看出,模型 ASFF-YOLOv7 的检测精度 mAP 达到 94% 、帧率达到 50. 92 帧/ s,与其他 8 种算法相比,ASFF-YOLOv7 的综合性能最优。

关键词：织物疵点检测;YOLOv7;自适应空间;注意力机制;特征融合