来源：期刊VIP网 时间：
作者：张瑞雪;陈琳;
单位：长江大学计算机科学学院;
摘要：针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题，提出一种基于YOLOv7-tiny的改进算法。首先，提出高效动态蛇形层聚网络（DSELAN），并将其嵌入到特征提取网络中，以提高模型对复杂缺陷目标关键特征的提取能力；其次，引入SPDConv作为下采样模块，避免小目标细粒度信息的丢失，有效解决了小目标检测困难的问题；最后，针对大目标缺陷检测效率低的问题，增加一个大目标检测层以扩大模型的感受野，提高对大目标缺陷的检测精度。实验结果表明：改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均精度均值（mAP）达到了81.4%，比原算法提高了6.7%，检测性能优于其他主流检测算法；并且具有较少的参数量和较快的检测速度，可满足工业钢材表面缺陷检测的实时性和高效性要求。
关键词：YOLOv7-tiny;;钢材表面缺陷检测;;目标检测;;细粒度;;动态蛇形卷积;;特征提取
基金资助：国家科技重大专项基金(2021DJ1006);; 湖北省科技示范项目(2019ZYYD016);; 中国高校产学研创新基金(2019ITA03004)
