文件大小：2.01M
针对热扎带钢表面缺陷面积较小、形态多样、边界模糊且背景复杂的问题,提出一种热轧带钢表面缺陷检测模型SFSP-YOLOv7。首先,通过改进k-means++聚类算法调整先验框维度,使用交并比(intersection over union,IoU)替换欧氏距离度量,引入遗传算法(genetic algorithm,GA)获得更具代表性的锚框尺寸,提升模型的回归速度和小面积缺陷检测的准确率。其次,对于边界模糊且背景复杂的缺陷,提出一种目标检测边界框损失函数FocalSIoU,以减少模型中不必要的特征学习,加快检测速度,提升预测框的回归效果。最后,设计一种多尺度特征融合注意力模块(multi-scale feature fusion module,MFFM),通过多尺度信息融合增强模型特征提取能力,提高小目标的检测精确度,并改善模型检测误检率。在模型Head结构中引入空到深(space to depth,SPD)卷积模块对模型进行改进,避免细粒度信息的丢失,降低目标漏检率。通过INEU-DET数据集进行验证,结果表明,SFSP-Y OLOv7模型检测的平均精确度均值(mean average precision,mAP)为78.25%,相比原YOLOv7模型提升了4.92个百分点,表明提出的检测方法具有有效性。
