В связи с существующими проблемами ошибочного и пропущенного обнаружения дефектов мелких сварочных точек, предложен улучшенный алгоритм обнаружения дефектов мелких сварочных точек на основе YOLOv7. Учитывая малый размер сварочных точек, добавлен слой и голова обнаружения мелких объектов для извлечения большего количества поверхностных признаков. Введён параметрический механизм внимания (SimAM) для присвоения трёхмерных весов карте признаков, что повышает способность модели к извлечению признаков. Использована частичная свёртка (PConv) для реконструкции модуля ELAN, что снижает избыточные вычисления и обращения к памяти; в шее использована сеть признаков с длинным радиусом (GiraffeDet) для объединения признаков разных масштабов, улучшая лёгкость модели. Наконец, функция потерь CIoU была улучшена с помощью функции потерь NWD (Normalized Wasserstein Distance), что ускоряет сходимость модели и повышает точность обнаружения мелких объектов. Экспериментальные результаты показывают, что улучшенный алгоритм YOLOv7 достиг средней точности обнаружения 90,3%, что на 5,1% выше оригинального алгоритма, с повышением полноты на 3,2%, снижением количества параметров на 36,3% и значительным улучшением скорости сходимости. Алгоритм данной работы предоставляет ориентир для обнаружения дефектов мелких сварочных точек на периферийных устройствах.

Обработка изображений;Обнаружение дефектов;YOLOv7;SimAM;Лёгкость;NWD