基于YOLOv7-TSCR的连铸坯表面缺陷检测

摘要

为解决连铸生产过程中铸坯表面缺陷检测准确率低、检测速度慢、模型参数量大难以部署等问题，提出一种融合重参数化和注意力机制的轻量化铸坯表面缺陷检测算法YOLOv7-TSCR。首先，利用Mish和SiLU激活函数、SimAM注意力机制，构建了改进的高效层聚合模块ELAN-S,以有效增强对多尺度缺陷特征的提取；其次，设计了C2f＿RG模块改进特征融合网络，减少参数量的同时获得更丰富的梯度流信息，增强特征融合能力；最后，根据采集实际生产中的缺陷图像，构建铸坯缺陷数据集并进行验证。结果表明：YOLOv7-TSCR相较其他网络模型检测效果显著提升，在模型参数量减小的情况下，精确率达93.5%,平均精度均值提高了2.8%,检测速度可达120 FPS;在NEU-DET公开数据集上进行的泛化性对比实验证明了算法具有较强的泛化性。改进算法在保证较高检测精度的基础上，具有较快的检测速度和较小的参数量，为铸坯表面缺陷的高效检测提供了技术参考。

关键词

炼钢 / 铸坯表面缺陷 / 注意力机制 / 多尺度特征 / YOLOv7

基金资助

国家自然科学基金(51904107); 中央引导地方科技发展资金项目(236Z1017G); 河北省博士研究生创新资助项目(CXZZBS2021096); 唐山市市级科技计划项目(22130220G)