基于改进YOLOv7的织物表面疵点检测技术

摘要

针对目前纺织工业中织物疵点检测技术的局限性，提出一种用于自动检测织物缺陷的改进YOLOv7算法。首先，在颈部网络引入SPD-Conv模块，在进行卷积下采样时保留与疵点相关的特征辨别信息，解决了原网络对于小目标的特征信息学习不足的问题；其次，YOLOv7的主干网络通过引入CA注意力机制，在兼顾通道注意力的同时，还考虑了位置信息，从而更有效地识别疵点；最后，把WIoU用作边框损失函数，使其更加侧重于一般品质的锚框，从而增强了YOLOv7的泛化能力。通过实验对比发现，改进后算法的mAP值为92.28%,精度为95.65%,分别比原始YOLOv7算法提高了2.64%和4.12%,能够达到纺织产业在疵点检测方面的要求。

关键词

疵点检测 / YOLOv7 / SPD-Conv模块 / WIoU / CA注意力机制

基金资助

国家自然科学基金资助项目(51735010); 西安现代智能纺织设备重点实验室项目(2019220614SYS021CG043)