一种基于改进YOLOv7的钢材打标区域检测模型及其训练方法

AITNT
正文
推荐专利
一种基于改进YOLOv7的钢材打标区域检测模型及其训练方法
申请号:CN202511327070
申请日期:2025-09-17
公开号:CN120833474B
公开日期:2025-12-16
类型:发明专利
摘要
本发明涉及钢材表面检测技术领域,尤其涉及一种基于改进YOLOv7的钢材打标区域检测模型及其训练方法。采用如下技术方案:包括骨干网络模块和检测头模块,骨干网络模块包括四个MCBS模块、四个MELAN模块和三个MP‑1模块,检测头模块由AXA模块、MLCA模块、SPPCSPC模块、MELAN模块、MCBS模块、上采样模块、REP模块和CBM模块组成。有益效果在于:通过对现有YOLOv7模型进行改进,一方面通过对模型中的CBS模块进行结构优化与替换,保留有效特征提取能力的同时,显著压缩模型运算量,降低模型的计算复杂度;另一方面引入轴向注意力(AXA)模块与混合局部通道注意力模块(MLCA),增强模型对关键特征区域的关注能力,提升在复杂场景下的目标识别性能。
技术关键词
网络模块 钢材 检测头 表面检测技术 采样模块 特征提取能力 注意力 上采样 训练集 传播算法 摄像装置 超参数 鲁棒性 数据 复杂度 图像 光照 图案 颜色
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号