来源：期刊VIP网 时间：
作者：胡波;刘玉良;郑伟;
单位：浙江安防职业技术学院;浙江海洋大学信息工程学院;
摘要：针对无规共聚聚丙烯（Polypropylene Random Copolymer,PPR）管铜嵌件缺陷复杂、多样性、尺度差异大的检测难点，提出了一种改进k均值聚类算法（K-means Clustering Algorithm,K-means）结合多尺度特征融合和注意力机制融入的改进YOLOv7(You Only Look Once Version 7)模型检测方法。先用K-means++聚类生成各类缺陷集的平衡标签，再将平衡标签作为第二步K-means聚类的初始中心，使得聚类获得的初始锚框更适合本缺陷样本集。通过融入坐标注意力（Coordinate Attention,CA）机制使模型在检测复杂缺陷时更关注其重要特征，减少冗余特征的干扰。针对缺陷尺度差异性大的特点，采用多尺度特征融合增加了极小尺度检测模块。实验结果表明，改进后的YOLOv7模型比原始模型平均精度均值（Mean Average Precision,mAP）提升了2.29%，和其他主流检测算法相比，在维持检测速度基础上提升了检测精度。改进后的模型mAP达到89.21%，检测速度达到57帧/秒，具有较好的工业应用前景。
关键词：缺陷检测;;YOLOv7;;改进K-means;;多尺度特征融合;;坐标注意力机制
基金资助：浙江安防职业技术学院重点科研项目（AF2022Z03）;; 浙江省公益技术应用研究计划项目（2015C31072）;; 浙江省教育厅一般科研项目（Y202249514）
