基于改进YOLOv7的钢材表面缺陷检测方法

蒋国庆

doi:10.16009/j.issn.1009-5624.2026.15.025

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 76 -79. DOI: 10.16009/j.issn.1009-5624.2026.15.025

基于改进YOLOv7的钢材表面缺陷检测方法

蒋国庆

作者信息 +

Author information +

文章历史 +

摘要

针对当前钢材表面缺陷检测存在的效率低和精度不高等问题，本文提出一种基于目标检测算法(YOLOv7)的钢材表面缺陷检测算法：多尺度上下文引导YOLOv7(MCG-YOLOv7)模型。首先，设计了上下文引导的高效层聚合网络(CG-ELAN)模块，学习骨干网络中局部特征与周围上下文的联合特征；其次，采用多尺度空洞注意力(MSDA)模块，捕捉多尺度的语义信息，提升对缺陷特征的提取能力；最后，采用内部-最小点距离交并比(Inner-MPDIoU)损失函数，优化边界框回归精度，增强对不规则缺陷的检测能力，加速模型收敛。实验结果表明，相较于YOLOv7算法，MCG-YOLOv7在mAP上提升了2.5%,有效平衡了检测精度与参数量之间的关系。