基于YOLOv7-tiny优化的轻量钢丝绳缺陷检测算法  

Non-destructive Ttesting of Wire Rope Algorithm Based on Lightweight YOLOv7-tiny

作　　者：陈嘉琪 王勇[1,2] 刘少清[1,2] 季振山 张祖超[1,2] 

机构地区：[1]中国科学院合肥物质科学研究院,安徽合肥230031 [2]中国科学技术大学,安徽合肥230026

出　　处：《工业控制计算机》2025年第2期88-90,共3页Industrial Control Computer

基　　金：国家自然科学基金资助项目(11975277);国家磁约束聚变能发展研究专项(2018YFE0302104)。

摘　　要：钢丝绳应用场景复杂、检测设备受限导致检测结果不可靠、不高效,检测算法难部署、难移植,对此提出了一种基于YOLOv7-tiny改进的轻量化模型,通过引入Ghost卷积模块实现网络的轻量化;在主干网络中添加ECA自注意力算法以增强网络表征能力;使用CARAFE上采样算子加强了特征提取;采用WIOU损失函数进一步提高检测精度。在钢丝绳缺陷数据集上进行实验,结果表明其性能优于原YOLOv7-tiny模型,平均精度达到93.2%,提高了4.7%,参数量减少了47%,模型大小减少了45%。与目前其他先进的网络模型相比同样有着更优的整体性能。The complexity of steel wire rope applications and limited detection equipment lead to unreliable results and challenges in deploying detection algorithms.This paper proposes an improved YOLOv7-tiny lightweight model with Ghost convolutional module for network lightness,ECA attention mechanism for enhanced representation,CARAFE upsampling operator for improved feature extraction,and WIOU loss function for better accuracy.Experimental results show it outperforms the original YOLOv7-tiny model with 93.2%accuracy,a 4.7%increase,and reduces parameters and model size by 47%and 45%respectively.It also surpasses other advanced network models in overall performance.

关 键 词：目标检测 钢丝绳缺陷检测 轻量化 YOLOv7-tiny 

分 类 号：TG356.45[金属学及工艺—金属压力加工] TP391.41[自动化与计算机技术—计算机应用技术]