基于改進(jìn)YOLOv7 的小目標(biāo)和低對比度紙病分類算法研究

打開文本圖片集

摘要： 隨著紙機車速提升和幅寬加大，紙病出現(xiàn)頻率隨之上升。為根治紙病，需對其有效分類以溯源。但因部分紙病目標(biāo)小、對比度低，分類效果欠佳。本課題提出了一種基于改進(jìn)YOLOv7的分類方法，核心思想是在頸部網(wǎng)絡(luò)改良快速跨階段特征金字塔池化（SPPFCSPC） 模塊，在感受野不變前提下提升分類速度；使用空間深度卷積替換原有的“卷積+池化層”，增強對紙病的特征提取能力；通過注意力模塊（SimAM），使更多的資源集中于紙病細(xì)節(jié)，進(jìn)一步提高低對比度和小目標(biāo)紙病的識別效率。（剩余2822字）