基于改进YOLOv7-tiny的多光谱苹果表层缺陷检测

作者：化春键^*; 孙明春; 蒋毅; 俞建峰; 陈莹

来源：激光与光电子学进展, 2023, 1-15.

• 缺陷检测
• 苹果表层
• 多光谱图像
• 深度学习
• YOLOv7-tiny
• 注意力机制

针对苹果表层存在多种缺陷类型，不同缺陷的检测方法不同的问题，提出了一种基于改进YOLOv7-tiny的缺陷检测模型，结合相机采集的RGB+NIR多光谱图像对苹果表层多种缺陷进行了检测和分类。首先，为了提取更多有效的特征信息，提高对缺陷的定位能力，在主干网络中使用坐标注意力机制（Coordinate Attention,CA）聚合坐标信息，同时在主干网络后添加上下文转换器模块（Contextual Transformer,CoT）以增加全局感受野；其次，为了增强高效聚合网络的特征融合能力，将其与加权双向特征金字塔结合，调整结构中各分支比重；最后，为了解决难易样本不均衡的问题，将损失函数更换为Focal-EIOU Loss。改进后网络的mA P@0.5提升了1.2%，达到93.2%，识别速度为89.3FPS。研究结果表明，本文研究内容为苹果表层的缺陷检测提供了更加高效的方法，同时为苹果的分级提供了更加精确的依据。

• 单位
  江南大学