基于YOLOv7TS的铝合金焊缝DR图像缺陷检测技术
摘要
针对YOLO模型在铝合金焊缝DR（digital radiography）图像上检测精度不足、模型参数量大的问题，同时为了进一步提升YOLO模型的检测效率，本课题组提出了基于YOLOv7Tiny的改进模型——YOLOv7TS。首先，添加TSCODE解耦头，以提高模型对小目标的检测能力；针对未焊透缺陷长宽比过高导致召回率低的问题，同时也为了增加网络的感受野，将上采样算子改为CARAFE。其次，针对部分像素较低的气孔和夹渣缺陷，添加SPD-Conv卷积层，以提升模型对小目标的检测能力。最后，减小模型的深度和宽度，并通过添加SimAM注意力机制来改进ELAN层，以提高模型的整体性能。实验结果表明：与原模型相比，YOLOv7TS模型对气孔、夹渣和未焊透缺陷检测的精度分别提升了8.2、3.7、2.2个百分点，mAP@0.5提高了4.6个百分点，模型参数量下降了5%。
引用本文（GB/T 7714）
吴磊 Wu Lei, 储钰昆 Chu Yukun, 杨洪刚 Yang Honggang, 等. 基于YOLOv7TS的铝合金焊缝DR图像缺陷检测技术[J]. Chinese Journal of Lasers, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。