来源：期刊VIP网 时间：
作者：袁国武;马一海;吴昊;袁宝仪;周浩;
单位：云南大学信息学院;
摘要：【背景和目的】卷烟厂在生产中不可避免会出现有外观缺陷的烟支，而外观缺陷会严重影响烟草产品的质量。因此，在烟支高速生产线上，有实时检测烟支外观缺陷并剔除外观缺陷烟支的需求。【方法】提出一种基于YOLOv7tiny的烟支外观缺陷的快速检测模型，该模型被命名为CAD-YOLO(Cigarette Appearance Defects detection using YOLO)。在该模型中，特征提取网络中引入了可变形卷积网络的升级版（DCNv2），通过对采样点添加偏移量来灵活提取特征，自适应复杂缺陷的几何形状，以此提升模型的特征提取能力；在颈部网络的特征融合金字塔中，引入了双向加权特征融合金字塔，并在P5特征层上增加了来自P2特征层的跳层连接，加强了颈部网络在深层特征上的特征融合能力；引入定位损失函数WIoUv3，降低了数据集中低质量实例产生的不利梯度，增加定位精度和检测精度，最后使用带有多头自注意力的基于注意的尺度内特征交互（Attention-based Intrascale Feature Interaction,AIFI）模块替换了特征池化金字塔模块，进一步增强多尺度融合能力。【结果】CAD-YOLO模型的平均检测精度为94.1%，召回率为92.4%，每支烟支图像检测时长仅12.0ms。【结论】所提出的模型可以应用于烟支高速生产流水线，能为烟支生产质量控制提供保障。
关键词：烟支;外观缺陷;目标检测;YOLOv7tiny;深度学习
基金资助：云南省科技厅-云南大学“双一流”建设联合专项重点项目“基于深度学习的烟支外观缺陷检测”（No.202201BF070001-005）; 国家自然科学基金项目“基于深度学习的太阳射电频谱自动检测研究”（No.12263008）
