手作業検査に依存して効率が低くコストが高いウォームギアの歯頂表面欠陥検出の現状を改善するために、機械ビジョンに基づく自動検査手法の研究を行った。ウォームギアの欠陥収集システムを設計し、異なる欠陥発生率に応じたデータ拡張戦略を提案した。YOLOv7を基にアルゴリズムを改良し、異なる欠陥のサイズ分布の違いに対応するために漸進的特徴ピラミッド再構築ネックネットワークを導入し、モデルのマルチスケール特徴融合能力を向上させた；ウォームギアの非欠陥位置が検出結果に与える影響を減らすために注意機構を導入し、モデルの欠陥注目能力をさらに強化した；最後に回帰損失関数をSIOUに改良し、ネットワークの学習時にアノテーションボックスと予測ボックスの方向を考慮し、検出精度をさらに向上させた。対照的なアブレーション実験により上記改良の有効性が示された。パラメータ数が20.7％減少した状況で、提案アルゴリズムはYOLOv7に比べて精度が3.3％向上した；YOLOR、YOLOv5m等複数のアルゴリズムと比較して、本アルゴリズムの検出性能は最良であり、基本的にウォームギア表面欠陥の自動検出要求を満たしている。

機械ビジョン;表面欠陥;YOLOv7;特徴ピラミッド