基于改进YOLOv7的织物疵点小目标检测算法OACSTPCD

针对织物疵点种类多、尺度变化大、小目标易漏检等问题,提出了一种基于YOLOv7的改进算法(YOLOv7⁃ESL)。首先,将注意力机制ECA⁃Net融入到Neck层中取代CBS模块,在少量增加计算成本的情况下显著提高了检测精度。其次,设计了专用探测头检测小目标,充分利用网络的浅层特征信息,使模型能够有效地检测多尺度的目标。最后,在特征加强部分增加Swin Transformer V2 Block,能够捕捉全局和局部之间的丰富关系,提高模型检测小目标缺陷的能力。试验结果表明:YOLOv7⁃ESL算法精确率为97.7%,召回率为90.3%,平均精度均值为94.9%,FPS为29.9帧/s;与原始YOLOv7模型相比,分别提高了3.8个百分点、3.4个百分点、3.3个百分点、3.1帧/s,可满足纺织工业领域的应用要求。