DOI：10.3969/j.issn.1672-3872.2024.24.034
作 者：杨哲宇 ，于 航（浙江农林大学光机电工程学院，浙江 杭州 311300）
摘 要：汽车空调压缩机斜盘检测在生产中至关重要，斜盘的缺陷检测目前仍然以人工检测为主，存在高度依赖工人经验、检测效率低下、误检率高及检测精度较低等问题。基于深度学习视觉检测技术的自动检测方式是提高斜盘缺陷检测性能的有效手段。但现有的深度学习视觉检测技术应用于斜盘缺陷检测存在小面积缺陷识别精准度较低、误识别率高等问题。鉴于此，本研究对YOLO v7原模型进行改进，提出YOLO v7-SD模型。在YOLO v7模型中引入SPD-Conv卷积模块，避免跨层卷积导致的信息缺失；将网络中的上采样操作替换为DySample上采样，减少特征放大对像素的影响。结果表明，YOLO v7-SD模型检测mAP达到90%，精确率达到92%，召回率达到91%，均优于YOLO v7原模型，且训练时间并未出现大幅度增加，符合改进要求。同等试验条件下，与主流目标检测算法原YOLO v7模型对比，改进后的YOLO v7-SD模型在斜盘缺陷识别上具有明显优势。
关键词：汽车空调压缩机斜盘；缺陷检测；YOLO v7；SPD-Conv卷积；DySample上采样
引文信息：[1]杨哲宇，于航.基于改进YOLO v7的斜盘表面小面积缺陷检测方法[J].南方农机，2024，55(24)：129-133.
查看全文请下载PDF文件↓
