改进YOLOv7的晶圆字符检测算法OA

针对晶圆加工中的字符检测问题,提出一种基于YOLOv7改进的目标检测模型。在原版YOLOv7的SPP层之前插入Swin Transformer模块,增强网络对于全局信息的获取能力,提升对于全局和局部特征的整合能力;在预测部分插入A2-Net注意力机制,将特征信息全局融合后重新分配,提升网络的鲁棒性;在定位损失函数上用SIOU损失函数代替CIOU,角度损失的引入,增加了对于字符检测位置的准确性。在自制的字符数据集上,实验验证改进后的模型相比于传统模型,mAP提升了5.02%,并且每秒识别图片数高于传统算法,在实际使用中也取得了良好的效果。