来源：期刊VIP网 时间：
作者：李伟;姚小敏;张鹏超;杨雯雯;李一飞;
单位：陕西理工大学机械工程学院;陕西省工业自动化重点实验室;
摘要：为了提高钢材表面缺陷检测的准确度和速度，提出了一种基于改进的YOLO-V7的钢材缺陷检测算法。该算法使用轻量化模块(GhostConv)减少训练过程的参数冗余，在池化卷积模块中融入无参注意力机制(SimAM)，使模型生成三维关注权重，加强网络对特征的学习能力；在池化卷积模块中融入全局注意力机制(GAM)，使网络在训练时关注更多的信息；最后数据集使用K-means++进行聚类，得到新的锚框，提高算法模型的准确度和鲁棒性。实验结果表明，本文的算法相较于YOLO-V7算法，mAP值提高了5.8%,FPS值为59.7。改进后的算法有效地提高了对钢材缺陷检测的准确度，能更好的适应工业检测环境。
关键词：缺陷检测;;轻量化模块;;无参注意力机制;;全局注意力机制
基金资助：陕西省高校科协青年人才托举计划(20210423)
