خوارزمية الكشف عن عيوب نقاط اللحام ذات الأهداف الصغيرة المحسنة استنادًا إلى YOLOv7
摘要
نظرًا لوجود مشكلات مثل الكشف الخاطئ والإغفال في طرق الكشف عن عيوب نقاط اللحام ذات الأهداف الصغيرة الحالية، تم اقتراح خوارزمية محسّنة للكشف عن عيوب نقاط اللحام ذات الأهداف الصغيرة استنادًا إلى YOLOv7. نظرًا لأن حجم نقاط اللحام صغير، تمت إضافة طبقة الكشف عن الأهداف الصغيرة ورأس الكشف لاستخلاص مزيد من معلومات الميزات السطحية. تم إدخال آلية الانتباه بدون معلمات (SimAM) لتخصيص أوزان ثلاثية الأبعاد لخريطة الميزات، مما يحسن قدرة النموذج على استخراج الميزات. تم استخدام التفاف جزئي (PConv) لإعادة بناء وحدة ELAN، مما يقلل من العمليات الحسابية الزائدة وعدد مرات الوصول إلى الذاكرة، كما تم دمج ميزات بمقاييس مختلفة في العنق باستخدام شبكة الميزات طويلة المدى (GiraffeDet) لتحسين خفة النموذج. أخيرًا، تم تحسين دالة فقدان CIoU الأصلية باستخدام دالة فقدان NWD (مسافة فازرشتاين المُطَبَّعَة)، مما يسرع من سرعة تقارب النموذج ويعزز دقة الكشف عن الأهداف الصغيرة. أظهرت نتائج التجارب أن خوارزمية YOLOv7 المحسنة حققت دقة كشف متوسطة تبلغ 90.3٪، بزيادة 5.1٪ مقارنة بالخوارزمية الأصلية، مع زيادة في الاستدعاء بنسبة 3.2٪، وانخفاض في حجم المعاملات بنسبة 36.3٪، وتحسن كبير في سرعة التقارب. تقدم خوارزمية هذه الورقة مرجعًا لكشف عيوب نقاط اللحام ذات الأهداف الصغيرة على أجهزة الحافة.
关键词
معالجة الصور;كشف العيوب;YOLOv7;SimAM;تخفيف الوزن;NWD
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website