基于改进YOLOv7-tiny焊缝表面缺陷检测算法  

Weld surface defect detection based on the improved YOLOv7-tiny algorithm

作　　者：李其鹏 缪海波 李志文 赵力伟 周建新[1] LI Qipeng;MIAO Haibo;LI Zhiwen

机构地区：[1]南京工业大学机械与动力工程学院,江苏南京211816 [2]温州市特种设备检测研究院,浙江温州325007

出　　处：《焊接技术》2024年第7期123-126,共4页Welding Technology

摘　　要：针对在焊缝表面缺陷的深度学习目标检测算法容易出现误检率较高、检测准确率较低的问题,为提高焊缝缺陷检测效率,文中基于YOLOv7-tiny目标检测算法进行一系列改进。首先,采用GSConv改进YOLOv7-tiny网络的Neck层,以减少网络的参数量,降低模型的计算复杂度;在下采样阶段引入无参数注意力(SimAM),在通道或者空间维度中的任意维度上进行特征捕捉和特征融合,实现多维信息的交互,提高网络对复杂背景下焊缝的关键特征捕捉能力。试验结果表明,在相同试验条件下改进YOLOv7-tiny相较于YOLOv7-tiny准确率均值(mAP)提高了1.86%,参数量和计算量分别下降了15.28%和5.3%。改进YOLOv7-tiny准确率有明显提升,可实现快速、精准检测焊缝表面缺陷。

关 键 词：焊缝表面缺陷 YOLOv7-tiny GSConv 轻量化 SimAM 注意力机制 

分 类 号：TG441.7[金属学及工艺—焊接]