一种基于改进yolov7的钢材缺陷检测方法技术

本发明专利技术公开了一种基于改进yolov7的钢材缺陷检测方法，涉及yolov7检测算法技术领域，为解决现有存在计算成本较高，在目标边界的细节和小目标检测方面的表现较差，由于Yolov7具有较大的网络结构和较高的计算要求，训练时间较长，需要更多的计算资源的问题。步骤一：获取NEU‑DET钢材缺陷检测数据集；步骤二：将普通卷积修改为GSconv进行训练，提升速度；步骤三：将融合多尺度注意力机制的dyhead检测头添加到网络模型中；步骤四：使用数据进行迭代训练，生成并保存权重文件。该基于改进yolov7的钢材缺陷检测方法，优化了网络结构，降低了计算成本的同时提升了精度，添加融合尺度注意力、空间注意力、任务注意力的dyhead模块，可以显著提升模型目标检测头的表达能力。

【技术实现步骤摘要】

本专利技术涉及olov7检测算法，具体为一种基于改进yolov7的钢材缺陷检测方法。

技术介绍

1、olov7是yolo(you only look once)系列目标检测算法的第七个版本，yolo算法的核心思想是将目标检测任务转化为单个神经网络，通过在一次前向传播中同时预测目标的边界框和类别信息，从而实现实时目标检测，yolov7在yolov6的基础上进行了改进和优化，它采用了特征金字塔网络来提取多尺度的特征，以便更好地捕捉目标在不同尺度下的特征信息，同时，yolov7引入了改进的骨干网络，提升了特征提取的效果。

2、目前olov7在进行钢材缺陷检测时，存在计算成本较高，在目标边界的细节和小目标检测方面的表现较差，由于yolov7具有较大的网络结构和较高的计算要求，训练时间较长，需要更多的计算资源，这对于一些资源有限的环境可能是一个问题。

3、因此，针对上述问题提出一种基于改进yolov7的钢材缺陷检测方法。

技术实现思路

1、本专利技术的目的在于提供一种基于改进yolov7的钢材缺本文档来自技高网...

【技术保护点】

1.一种基于改进yolov7的钢材缺陷检测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov7的钢材缺陷检测方法，其特征在于：所述backbone层主要由若干BConv层、E-ELAN层以及MP层组成，所述BConv层卷积层+BN层+激活函数组成，所述E-ELAN层也是由不同的卷积拼接而成，所述backbone层由若干BConv层、E-ELAN层以及MPConv层交替减半长宽增倍通道，从而提取特征。

3.根据权利要求1所述的一种基于改进yolov7的钢材缺陷检测方法，其特征在于：所述head层通过SPPCPC层、若干BConv层、若干...

【技术特征摘要】

1.一种基于改进yolov7的钢材缺陷检测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov7的钢材缺陷检测方法，其特征在于：所述backbone层主要由若干bconv层、e-elan层以及mp层组成，所述bconv层卷积层+bn层+激活函数组成，所述e-elan层也是由不同的卷积拼接而成，所述backbone层由若干bconv层、e-elan层以及mpconv层交替减半长宽增倍通道，从而提取特征。

3.根据权利要求1所述的一种基于改进yolov7的钢材缺陷检测方法，其特征在于：所述head层通过sppcpc层、若干bconv层、若干mpconv层、若干catconv层以及后续输出三个head的repvgg block层组...

【专利技术属性】
技术研发人员：董琴，王浩博，顾荣辰，华珍珍，薛珺，张蓉蓉，褚飞扬，王文健，王浦伟，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：