改进YOLOv7的钢材表面缺陷检测模型

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：李思思;葛华勇

摘要：在钢材生产过程中会出现各种的瑕疵缺陷,影响其使用寿命。 针对在钢材生产过程中检测表面缺陷效率低下的问题,提出了一种基于 YOLOv7 改进的钢材表面缺陷检测模型。 该模型改进耦合检测头为非对称多级通道压缩解耦头,解决不同检测任务之间的冲突,减少前向传播过程中目标置信度任务的特征丢失;设计轻量化 FCSP block 增强主干网络特征提取能力和颈部网络特征融合能力,提高模型对缺陷的定位能力的同时显著提升了检测速度;为进一步丰富小目标浅层特征增强其表达能力,加入可学习参数以促进动态特征融合,促进网络学习多样化特征。 在 NEU-DET 数据集上的实验结果表明,相较于原 YOLOv7 模型,改进后的模型 mAP 提高了 8. 8 百分点,FPS 提高了 11. 6,验证了该模型在检测精度和检测速度上都有所提升;在光照减弱后的 NEU-DET 数据集和 GC10-DET 数据集分别做通用性对比实验,结果表明该模型能有效地应用于工业中的钢材表面缺陷检测任务。

关键词：钢材;缺陷检测;YOLOv7;解耦头;特征融合