基于BCGS-YOLOv7 tiny的零件表面微小缺陷检测

为了解决零件表面众多形态复杂的微小缺陷检测效率低与检测精度不高的问题，选择以YOLOv7-tiny网络为基础架构进行改进，提出了BCGS-YOLOv7 tiny检测网络。特征提取阶段增加CBAM注意力机制，并用SPD-Conv下采样层代替跨步卷积和最大池化层，增强对小目标的特征提取能力；特征融合阶段将路径聚合特征金字塔（PAFPN）网络替换为BPANet网络结构，并引入gnCSP模块和SPD-Conv下采样层，改善小目标的特征融合能力。在重组的GC10-DET数据集上实验结果表明，BCGS-YOLOv7 tiny检测网络平均精度（mAP）达到91.6%，比原YOLOv7-tiny网络提高了6.0%。同时对零件表面各类微小缺陷的检测精度均有大幅提升。