基于改进YOLOv7的针织品表面小目标缺陷检测OA

为解决复杂纹理下针织品表面缺陷的漏检、误检问题,提出一种基于改进的YOLOv7检测方法。该方法结合了全面的数据增强策略、全维度动态卷积(ODConv)技术以及软非极大值抑制(Soft⁃NMS)。选用数据增强策略进行预处理;在YOLOv7的特征提取网络中替换标准卷积块,采用ODconv捕获更丰富的特征信息,增强了模型的精准定位能力,并有效减少了模型的参数和计算需求;采用Soft⁃NMS算法代替传统NMS,降低重叠边界框的误抑制,提高了真实目标的检测率,进一步提升了模型对于复杂背景下小缺陷的检测能力。试验结果表明:相较于原始YOLOv7模型,改进的YOLOv7算法精确率、召回率和平均精度均值分别提高了4.6个百分点、3.1个百分点、5.9个百分点,推理时间减少了15.8%。认为:该改进方法显著提升了针织品表面小缺陷检测的精度和速度,同时保证了模型的轻量化和实用性,适合在实际生产环境中部署。