改进YOLOv7的木材表面缺陷检测算法
Improved YOLOv7 Algorithm for Wood Surface Defect Detection作者机构:南京信息工程大学自动化学院南京210044
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第7期
页 面:175-182页
核心收录:
学科分类:0710[理学-生物学] 1305[艺术学-设计学(可授艺术学、工学学位)] 13[艺术学] 0907[农学-林学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:木材表面 缺陷检测 YOLOv7 特征融合 注意力机制 损失函数
摘 要:优质木材深受人们喜爱,但木材存在多种缺陷导致优质木材产量少,木材利用率低。运用深度学习的目标检测算法可以实现木材表面缺陷的快速稳定检测,以此提高木材的优质化和利用率。针对目前木材表面缺陷目标小、密集和复杂等特点导致检测精度较差的问题,提出了一种基于改进YOLOv7的木材表面缺陷检测模型YOLOv7-ESS。针对木材的裂缝缺陷存在极端长宽比例而影响检测效果的问题,嵌入注意力模块ECBAM,通过加强对极端长宽比例缺陷的注意力,提高模型的特征提取能力。针对在提取特征时木材表面小缺陷特征信息丢失严重的问题,引入浅层加权特征融合网络SFPN,以深层特征图作为输出,同时有效利用浅层特征信息,提高小缺陷的识别准确率。引入SIoU损失函数,提升模型收敛速度及模型精度。结果表明,YOLOv7-ESS模型平均检测精度为94.7%,较YOLOv7检测精度提高了11.2个百分点,满足木材生产加工时的缺陷检测要求。