基于可改变核卷积的不规则织物疵点识别算法研究.pdf
纺织工程学报-第2卷第3期-
基于可改变核卷积的不规则织物疵点识别算法研究
*
陈军,孙丽丽,李文雪,孟洪兵,杨安迪
(塔里木大学信息工程学院,新疆阿拉尔843300)
摘要:针对纺织工业生产中织物疵点形状多变、目标范围较小等问题,提出了一种改进YOLOv7特征提
取网络,引入可改变核卷积的不规则织物疵点识别算法。在YOLOv7特征网络中引入可改变核卷积替换
传统卷积块,利用可改变核卷积的任意采样形状和任意参数量特性来提高疵点的特征信息采集效率,在采
样时可以更加适应不规则的疵点形状和尺寸特征;同时嵌入高效多尺度注意力,利用跨维度的交互来捕捉
像素级别的关系,提高模型处理微小特征的能力。通过实验验证:改进后的模型各类别样本的检测精确率
P达到95.1%,相比YOLOv7基线模型提升了7.3个百分点,召回率R提升了7.2个百分点,mAP@0.5提高了
12.3个百分点;检测精度与检测速度均大幅提升。改进后的模型对不规则织物疵点和疵点范围较小的目
标识别检测效率更高,可为工业场景下织物疵点的高效快速识别提供技术支持。
关键词:疵点检测;YOLOv7算法;目标检测;特征提取;注意力机制
中图分类号:TP391.41文献标志码:A文章编号:2097-2911-(2024)03-0030-11
Researchonidentificationalgorithmofirregularfabricdefects
basedonvariablekernelconvolution
*
CHENJun,SUNLili,LIWenxue,MENGHongbing,YANGAndi
(CollegeofInformationEngineering,TarimUniversity,AlaerXinjiang843300,China)
Abstract:AnimprovedYOLOv7featureextractionnetworkwasproposedtosolvetheproblemsoffabric
defectsintextileindustry,suchasvariableshapesandsmalltargetranges.Thevariablenuclearconvolutionis
introducedintotheYOLOv7featurenetworktoreplacethetraditionalconvolutionblock,andthearbitrary
samplingshapeandarbitraryparameternumbercharacteristicsofthevariablenuclearconvolutionareusedto
improvetheefficiencyofcollectingdefectfeatureinformation,whichcanbetteradapttoirregulardefectshape
andsizecharacteristicsduringsampling.Atthesametime,efficientmulti-scaleattentionisembedded,and
interdimensionalinteractionsareusedtocapturepixel-levelrelationshipsandimprovetheabilityof