来源：期刊VIP网 时间：
作者：孙超;刘均学;陈正超;周永康;张承瑞;丁建军;
单位：江汉大学智能制造学院;
摘要：针对钢板表面不同种类缺陷特征难以辨别的问题，提出了一种基于改进YOLOv7算法的钢板表面缺陷检测方法。使用特征提取网络(C2f)加强特征信息的提取，在不影响原始梯度路径的情况下提高神经网络对重要特征的学习能力，避免缺陷的误检。结合空间自适应注意力机制(CA)构建了多路径特征和通道交叉注意力机制(MPCC),提高对细微缺陷的敏感性，避免缺陷的漏检。在此基础上，采用距离交并比损失函数DIoU作为损失函数，降低模型损失函数的复杂度，从而提高模型的实时性和鲁棒性。钢板表面检测实验结果表明，改进YOLOv7算法在NEU-DET数据集上的检测精度达到了83.7%。与YOLOv7算法相比，改进后的算法在检测精度和速度上都有显著提升。
关键词：钢板表面缺陷检测;;空间自适应注意力机制;;改进算法
基金资助：国家重点研发计划项目(2018YFD1100104);; 湖北省教育厅教学研究项目(2022277);; 江汉大学校级科研基金项目(2022XKZX32);江汉大学创新创业科研项目(202411072011)
