基于YOLOv7-tiny的铝型材表面缺陷检测

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：程鑫;方睿;王畅阳

摘要：针对铝型材表面缺陷种类间尺寸差异较大、微小目标难以识别、检测精度较低等问题,提出了一种基于 YOLOv7-tiny 改进的实时性铝型材表面缺陷检测算法。首先替换激活函数为 SiLU 以增强模型捕获复杂非线性特征的能力;为进一步优化边界框预测,引入了归一化高斯 Wasserstein 距离作为度量标准,有效降低了模型对目标尺度变化的敏感性。 其次在网络主干部分引入 C-ELAN 模块,融合了 CBAM 注意力机制,从不同维度提取缺陷特征,提升模型的检测精度;设计 D-ELAN 模块替换特征提取部分的 ELAN 模块,更好地结合不同层次的特征,减少计算量。 最后在模型的输出头部,增设了针对小目标和低分辨率的 SPD-CBS 模块,旨在学习更多低细粒度缺陷信息,提升对小目标的检测效果。 实验结果表明,改进后模型的平均精度达到89. 1% ,较原始算法提升7 百分点,识别精度提升8. 2 百分点,召回率提升6. 2 百分点,计算量减少 23% ,为铝型材表面缺陷检测研究提供技术参考,可部署于移动端满足工业实时检测要求。

关键词：铝型材;表面缺陷检测;YOLOv7-tiny;归一化高斯Wasserstein距离;注意力机制;SPD-CBS