基于改进YOLOv7 的小目标和低对比度纸病分类算法研究
打开文本图片集
摘要： 随着纸机车速提升和幅宽加大，纸病出现频率随之上升。为根治纸病，需对其有效分类以溯源。但因部分纸病目标小、对比度低，分类效果欠佳。本课题提出了一种基于改进YOLOv7的分类方法，核心思想是在颈部网络改良快速跨阶段特征金字塔池化（SPPFCSPC） 模块，在感受野不变前提下提升分类速度；使用空间深度卷积替换原有的“卷积+池化层”，增强对纸病的特征提取能力；通过注意力模块（SimAM），使更多的资源集中于纸病细节，进一步提高低对比度和小目标纸病的识别效率。（剩余2822字）