既存の小規模なはんだ付け欠陥検出方法における誤検出や見逃しの問題に対処するため、改良されたYOLOv7を用いた小規模なはんだ付け欠陥検出アルゴリズムを提案する。はんだ付けのサイズが小さいことを考慮し、小規模物体検出層と検出ヘッドを追加して浅い特徴情報をより多く抽出する。パラメータなし注意機構（SimAM）を導入して特徴マップに三次元の重みを割り当て、モデルの特徴抽出能力を向上させる。部分畳み込み（PConv）を用いてELANモジュールを再構築し、冗長な計算とメモリアクセス回数を削減、ネック部分では長距離特徴ネットワーク（GiraffeDet）を利用して異なるスケールの特徴を融合し、モデルの軽量化を図る。最後に、NWD（正規化ワッサースタイン距離）損失関数を用いて元のCIoU損失関数を改良し、モデルの収束速度を速め、小規模物体検出精度を向上させた。実験結果により、改良されたYOLOv7アルゴリズムは平均検出精度90.3％を達成し、元のアルゴリズムに比べて5.1％向上、リコール率は3.2％増加、パラメータ数は36.3％減少し、収束速度も大幅に向上した。本アルゴリズムはエッジデバイスにおける小規模はんだ付け欠陥検出の参考となる。

画像処理;欠陥検出;YOLOv7;SimAM;軽量化;NWD