计算机应用

作者：张勇进, 徐健, 张明星

单位：西安工程大学 电子信息学院，西安 710048

关键词：棉杂检测,YOLOv7,CSP-RepFPN,轻量化

基金：陕西省科技厅项目(2018GY-173);西安市科技局项目(GXYD7.5)

针对棉纺厂原棉吞吐量大、检测时间长而常见卷积神经网络无法实现高实时检测的问题，提出基于轻量化改进的YOLOv7模型对原棉杂质的检测算法，旨在快速高效地对棉杂质进行检测。首先通过删减YOLOv7模型冗余的卷积层从而提高检测速度；其次在主干网络内添加FasterNet卷积降低模型的计算负担，减少特征图的冗余性，实现高实时检测；最后在颈部网络内运用CSP-RepFPN（Cross Stage Partial networks with Replicated Feature Pyramid Network）重构特征金字塔，增加特征信息流通，减少特征损失，提高检测精度。实验结果表明：在自建棉杂数据集上改进的YOLOv7模型在棉杂检测精度上达到了96.0%，检测时间比YOLOv7减少了37.5%；在公开DWC（Drinking Waste Classification）数据集上整体精度达到82.5%，检测时间仅为29.8 ms。改进的YOLOv7模型能够为原棉杂质的实时检测和识别分类提供一种轻量化的检测方法，大幅节约了时间成本。

来源：2024年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第7期