鋼材表面欠陥の形態多様性と構造の複雑さ、検出対象の漏れ現象およびアルゴリズムパラメータ数の多さの問題に対し、軽量化されたVTG-YOLOv7-tiny鋼材欠陥検出アルゴリズムを提案する。第一に、情報伝達過程での損失を減らし、ネットワークの特徴融合能力を強化するためにVoVGA-FPNネットワークを設計した。第二に、モデルの空間およびチャネル情報の特徴抽出能力を向上させるために三重座標注意機構を構築した。第三に、精度を向上させつつモデルのパラメータ量と計算量を削減するためにゴーストシャッフル畳み込みを導入した。第四に、特徴マップ内で一部の欠陥占有率が高く検出精度が低下する問題を改善するため、大型物体検出層を追加した。NEU-DETおよびSeverstal鋼材欠陥データセットで検証した結果、改良後のアルゴリズムは原モデルと比較してmAPがそれぞれ5.7％および8.5％向上し、パラメータ量と計算量はそれぞれ0.61Mおよび4.2G削減された。精度と再現率はそれぞれ7.1％、1.8％および8.9％、7.0％向上した。実験結果は、改良アルゴリズムが検出精度と軽量化のバランスをより良く実現し、エッジ端末機器への参考となることを示した。

欠陥検出; 軽量化YOLOv7-tiny; VoVGA-FPNネットワーク; 三重座標注意; ゴーストシャッフル畳み込み