融合瓶颈注意力模块的改进YOLOv7织物疵点检测算法OACSTPCD
针对织物疵点检测中多尺度、微小目标检测精度低、速度慢等问题,提出一种基于改进YOLOv7模型的织物疵点检测算法。在YOLOv7的特征提取网络中替换标准卷积块,采用可形变卷积融合更多感受野在采样时更贴近疵点的形状和尺寸特征;同时嵌入瓶颈注意力模块,捕获更多疵点的特征信息强化对微小目标的敏感度。经试验,改进YOLOv7模型对各类别样本的检测精确率P达到97.3%,相比于原始YOLOv7算法提升5.2个百分点,召回率R提升5.9个百分点,mAP@0.5提高14.3个百分点。改进后的YOLOv7模型可以准确地实现对织物疵点的检测。
陈军;孙丽丽;孟洪兵;杨安迪;孙文彬;
塔里木大学,新疆阿拉尔843300 塔里木绿洲农业教育部重点实验室(塔里木大学),新疆阿拉尔843300塔里木大学,新疆阿拉尔843300
计算机与自动化
疵点检测YOLOv7目标检测特征提取注意力机制
《棉纺织技术》 2024 (003)
P.53-60 / 8
新疆生产建设兵团财政科技计划项目(1121063);塔里木大学校长基金(TDZKSS202138,TDZKSS202134)。
评论