基于改进的YOLOv7的管道接表面小尺寸缺陷检测方法
Xiangqian Xu1, Wenting Hou1, Xing Li1
1School of Material Science and Engineering, Xi'an Shiyou University, Xi'an, China.
PloS one
|December 12, 2024
概括
这项研究引入了改进的YOLOv7算法,用于检测管道接图像中的小缺陷. 改进后的模型显著提高了检测准确度,并减少了计算负载,有效地解决了错过的检测.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 材料科学 材料科学 材料科学
背景情况:
- 管道接表面缺陷图像呈现复杂的背景和小缺陷大小.
- 在自动检查中,小缺陷容易被错过检测和错误阳性.
研究的目的:
- 开发一种轻量级目标检测算法,用于准确识别管道接图像中的小缺陷.
- 提高自动化接检查系统的效率和可靠性.
主要方法:
- 开发了一种改进的YOLOv7算法,包含160*160小目标检测头.
- 深度可分离的卷积取代了标准卷积,以减少计算开销.
- 优化了CIoU损失函数,以优化EIoU损失函数,以便更快地实现模型的融合.
主要成果:
- 改进的YOLOv7算法实现了72.2%的平均精度 (mAP@0.5),比原始YOLOv7.7增加了11%.
- 模型计算和参数数量分别减少了75.6%和60.3%.
- 该算法在检测小尺寸缺陷方面表现出高可靠性.
结论:
- 拟议的轻量级YOLOv7算法有效地检测管道接表面的小缺陷.
- 这些改进带来了更高的检测性能和更少的计算资源.
- 这种方法为工业环境中的自动化检查提供了一个有前途的解决方案.
