基于改进YOLOv7算法的风机叶片缺陷检测方法

基于改进YOLOv7算法的风机叶片缺陷检测方法，属于图像处理与机器学习技术领域，旨在解决风机叶片缺陷检测中的精度低、速度慢及模型复杂度高的问题；本发明通过构建多样化的风机叶片缺陷图像数据集并进行预处理，以及对YOLOv7算法进行改进，引入CARAFE模块提升特征表达能力，使用SimAM注意力机制增强特征提取能力，并采用WIoU‑v1损失函数优化边界框回归，显著提高了风机叶片缺陷的检测精度和速度，同时降低了模型参数量和计算复杂度；实验证明，与原始YOLOv7算法相比，本发明在检测精度上提高了约1.9%，参数量减少了约13.5%，且检测速度更快，有效解决了风机叶片缺陷检测中的技术难题，应用价值高。