文档名：改进GBSYOLOv7t的钢材表面缺陷检测
摘要：针对钢材表面缺陷区域小目标居多,现有大部分方法无法均衡检测精度和速度的问题,提出一种基于YOLOv7-tiny的钢材表面缺陷检测算法(GBS-YOLOv7t).该方法一是设计GAC-FPN网络,采用渐进和跨层的方式充分融合目标语义信息,以改善传统特征金字塔中存在限制信息流问题;二是嵌入双层路由注意力模块,使模型具备动态查询和感知稀疏性能力,以提高对小目标的检测精度;三是引入SIoU损失函数,提升模型训练和推理能力,增强网络鲁棒性.最后在公共数据集NEU-DET进行实验验证,mAP和精确度分别为72.9%和69.9%,相较于YOLOv7-tiny原模型分别提升4.2%和8.5%;FPS达到104.1帧,具有较强实时性;与其他检测算法相比,GBS-YOLOv7t算法对钢材表面区域小目标的检测更有效,实验表明改进后的算法能够更好地均衡检测精度和速度.
Abstract：Giventhatsmalltargetsarepredominantinthesteelsurfacedefectareas,mostexistingmethodscannotbalancethetrade-offbetweendetectionaccuracyandspeed.Inthispaper,weproposeasteelsurfacedefectdetectionalgorithmbasedonYOLOv7-tiny(GBS-YOLOv7t).Firstly,wedesigntheGAC-FPNnetworktofullyintegratethetargetsemanticinformationprogressivelyandacrosslayers,aimingtoaddressthelimitedinformationflowissueintraditionalfeaturepyramids.Secondly,weembedabi-levelroutingattention(BRA)moduletoendowthemodelwithdynamicqueryandsparseperceptioncapabilities,thusenhancingthedetectionaccuracyofsmalltargets.Thirdly,weintroducetheSIoUlossfunctiontoimprovethetrainingandinferencecapabilitiesofthemodel,andtoenhancethenetworkrobustness.ExperimentalvalidationonthepublicdatasetNEU-DETdemonstratesanmAPof72.9%andaprecisionof69.9%forGBS-YOLOv7t,achievingimprovementsof4.2%and8.5%,respectively,overtheoriginalYOLOv7-tinymodel.TheFPSreaches104.1frames,indicatingstrongreal-timeperformance.Comparedtootherdetectionalgorithms,GBS-YOLOv7tismoreeffectiveindetectingsmalltargetsinsteelsurfaceareas,withexperimentalresultsshowingthattheimprovedalgorithmbetterbalancesthedetectionaccuracyandspeed.
作者：梁礼明 龙鹏威 卢宝贺 李仁杰Author：LiangLiming LongPengwei LuBaohe LiRenjie
作者单位：江西理工大学电气工程与自动化学院,江西赣州341000
刊名：光电工程 ISTICPKU
Journal：Opto-ElectronicEngineering
年，卷(期)：2024, 51(5)
分类号：TP391.4
关键词：缺陷检测 YOLOv7-tiny GAC-FPN网络 双层路由注意力 SIoU
Keywords：defectdetection YOLOv7-tiny GAC-FPNnetwork bi-levelroutingattention SIoU
机标分类号：TP391.41TN911.73TP273+.2
在线出版日期：2024年7月17日
基金项目：改进GBS-YOLOv7t的钢材表面缺陷检测[
期刊论文] 光电工程--2024, 51(5)梁礼明 龙鹏威 卢宝贺 李仁杰针对钢材表面缺陷区域小目标居多,现有大部分方法无法均衡检测精度和速度的问题,提出一种基于YOLOv7-tiny的钢材表面缺陷检测算法(GBS-YOLOv7t).该方法一是设计GAC-FPN网络,采用渐进和跨层的方式充分融合目标语义信息,以...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进GBS-YOLOv7t的钢材表面缺陷检测 Improvement of GBS-YOLOv7t for steel surface defect detection
改进GBS-YOLOv7t的钢材表面缺陷检测.pdf
- 文件大小:
- 2.95 MB
- 下载次数:
- 60
-
高速下载
|
|
