关键词：缺陷检测;YOLOv7算法;K-means++;CBAM注意力机制
摘 要：为满足工业钢材表面缺陷检测对高实时性和准确性的需求，提出了一种基于YOLOv7改进的钢材表面缺陷检测算法。该算法引入K-means++算法聚类分析，使锚框能够适应数据集内所有缺陷类型，同时通过分别引入SENet、CBAM、ECANet和CA注意力机制，提高模型对目标信息的关注程度。结果表明，在NEU-DET数据集上，改进后的四种算法与原YOLOv7算法相比具有更高的检测精度。YOLOv7+CBAM算法的效果最好，相较于YOLOv7算法检测精度提高了1.64%，对裂纹缺陷的精度提升了8.59%。与以往的钢表面缺陷检测算法相比，改进后的算法取得了显著的性能提升，检测速度为32 M，检测精度达到了80.79%，在保持原检测速度基本不变的情况下，精准地检测钢材表面缺陷。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取