Devido a problemas como falsos positivos e falsos negativos nos métodos atuais de detecção de defeitos em pontos de solda de pequenos alvos, é proposto um algoritmo aprimorado de detecção de defeitos em pequenos pontos de solda baseado no YOLOv7. Considerando que o tamanho dos pontos de solda é pequeno, uma camada de detecção de pequenos alvos e uma cabeça de detecção foram adicionadas para extrair mais informações de características superficiais. Foi introduzido um mecanismo de atenção sem parâmetros (SimAM) para atribuir pesos tridimensionais ao mapa de características, aumentando a capacidade do modelo de extrair características. A convolução parcial (PConv) foi usada para reconstruir o módulo ELAN, reduzindo cálculos redundantes e acessos à memória; no pescoço, a rede de características de longo alcance (GiraffeDet) foi utilizada para fundir características em diferentes escalas, melhorando a leveza do modelo. Finalmente, a função de perda CIoU foi aprimorada com a função de perda NWD (Distância Wasserstein Normalizada), acelerando a convergência do modelo e aumentando a precisão da detecção de pequenos alvos. Os resultados experimentais mostram que o algoritmo YOLOv7 aprimorado alcançou uma precisão média de detecção de 90,3%, um aumento de 5,1% em relação ao algoritmo original, recall aumentado em 3,2%, redução de parâmetros em 36,3% e uma melhoria significativa na velocidade de convergência. O algoritmo deste artigo fornece uma referência para a detecção de defeitos em pequenos pontos de solda em dispositivos de borda.

Processamento de imagens;Detecção de defeitos;YOLOv7;SimAM;Leveza;NWD