Para melhorar a detecção de defeitos na superfície do parafuso sem-fim, que atualmente depende da inspeção manual com baixa eficiência e altos custos, foi realizada uma pesquisa sobre métodos automáticos de inspeção baseados em visão computacional. Foi projetado um sistema de coleta de defeitos do parafuso sem-fim e propostas estratégias de aumento de dados baseadas nas diferentes taxas de ocorrência dos defeitos. Com base no YOLOv7, o algoritmo foi aprimorado introduzindo uma reconstrução progressiva da pirâmide de características no pescoço da rede, visando diferenças na distribuição de tamanhos dos defeitos, melhorando a capacidade de fusão de características em múltiplas escalas; para reduzir a interferência das áreas sem defeitos nos resultados da detecção, foi incorporado um mecanismo de atenção para fortalecer a capacidade do modelo de focar nos defeitos; por fim, a função de perda de regressão foi melhorada para SIOU, considerando a direção das caixas de anotação e previsão durante o treinamento da rede, aumentando ainda mais a precisão da detecção. Experimentos de ablação comparativos comprovaram a eficácia das melhorias. Com uma redução de 20,7% no número de parâmetros, o algoritmo proposto alcançou um aumento de 3,3% na precisão em comparação com o YOLOv7; em comparação com YOLOR, YOLOv5m e outros algoritmos, este algoritmo apresentou o melhor desempenho de detecção, atendendo basicamente às necessidades de detecção automática de defeitos na superfície do parafuso sem-fim.

visão computacional;defeitos de superfície;YOLOv7;pirâmide de características