本文发表于《计算机技术与发展》2025年第2期，作者为吴梦微、毋涛、崔青，主要完成单位是西安工程大学计算机科学学院及其纺织服装智能信息服务研究所。论文原标题为《基于自适应空间特征融合的织物疵点检测算法》，通信作者为毋涛。该研究属于计算机视觉与纺织工程交叉领域，聚焦于织物疵点自动检测问题，针对传统检测方法耗时、依赖人工、背景复杂以及小目标疵点识别困难等挑战，提出了一种基于改进YOLOv7的轻量级检测算法，命名为ASFF-YOLOv7。

从研究背景来看，纺织品生产过程中的质量控制对疵点检测的实时性和准确性提出了很高要求。织物疵点种类多样，包括断纱、破洞、棉结、污渍、换针和了机等，其中部分疵点尺寸极小，且在生产线上机器高速运行时容易出现图像模糊、背景丢失现象。已有基于深度学习的目标检测方法在一定程度上提升了检测速度和精度，但在小目标检测能力、复杂纹理背景下的鲁棒性以及实时性与精度的平衡方面仍存在不足。因此，该研究的目的是在保持较高检测速度的前提下，提高对微小疵点的识别能力，并增强模型在多样化工况下的稳定性。

在方法设计上，论文以YOLOv7作为基础检测框架，并从四个关键方面进行了改进。第一，增加了一个基于Swin-Transformer的检测头，专门用于提升小目标的特征捕获与识别能力。Swin-Transformer采用窗口多头自注意力和移窗多头自注意力机制，能够在不显著增加计算量的情况下捕捉长距离依赖关系，并通过层归一化和残差连接增强特征表达。该检测头位于整个网络检测头之前，利用多头注意力模型学习不同子空间中的特征表示，使网络能够更加专注于小目标检测任务。第二，在主干特征提取阶段引入了ACmix注意力机制。ACmix将卷积操作与自注意力机制融合，通过三个1×1卷积将输入特征投影为多个片段，再分别利用卷积路径和自注意力路径收集信息，最后将两条路径的输出以可学习权重进行融合。这种设计增强了模型对与小目标相关区域或特征的关注能力，并提高了计算效率。第三，采用自适应空间特征融合方法增强多尺度特征融合。传统特征金字塔网络通过自上而下的方式融合不同层级特征，但不同尺度特征之间可能存在冲突。ASFF通过为不同层级特征分配可学习的空间权重，在像素级别上自适应地融合来自不同尺度的特征图。具体地，对于每个像素位置，来自不同层级的特征向量按照公式加权求和，权重通过Softmax函数归一化，并且所有通道共享同一组空间权重。该过程仅增加极少的推理成本，但显著提升了对小型目标的感知能力。第四，对损失函数进行了优化，采用Wasserstein距离损失替代原有的CIoU损失。研究者首先将边界框建模为二维高斯分布，边界框中心像素权重最高，向边缘逐渐降低。接着利用最优运输理论中的二阶Wasserstein距离计算预测框与真实框对应高斯分布之间的距离，并通过归一化得到NWD。与IoU相比，NWD对小目标的位置偏差具有更平滑的响应特性，有助于改善标签分配和训练稳定性。

在实验部分，研究构建了包含断纱、破洞、棉结、污渍、换针和了机六类疵点的织物图像数据集，并通过数据增强技术扩充数据量。数据集按6∶2∶2比例划分为训练集、验证集和测试集。实验环境采用Ubuntu 22.04.4操作系统，Python 3.9，CUDA 11.3，PyTorch 1.12.1，以及NVIDIA Tesla V100-SXM2显卡。训练过程中使用YOLOv7作为基准模型，初始学习率为0.01，批量大小为16，共训练400个epoch。评价指标包括平均精度均值、漏检率和帧率。

消融实验结果表明，基础YOLOv7模型的mAP为88.15%，FPS为57.61。单独加入ACmix后mAP提升至88.71%；单独加入WD-Loss后mAP提升至89.31%，且FPS达到63.92；单独加入ASFF后mAP提升至91.42%，但FPS降至51.41；单独加入Swin-Transformer检测头后mAP提升至89.35%，FPS为54.85。将ASFF与Swin-Transformer结合时mAP达到92.49%；将ACmix、WD-Loss与Swin-Transformer结合时mAP为89.98%。最终将所有改进模块融合的ASFF-YOLOv7模型mAP达到94.12%，FPS为50.92。虽然相比原始YOLOv7检测速度有所下降，但精度的显著提升弥补了这一不足。此外，论文还比较了CIoU损失与WD-Loss在训练过程中的收敛情况，结果显示WD-Loss收敛更快且损失值更低。

在与其他目标检测算法的对比实验中，ASFF-YOLOv7的mAP为94.12%，漏检率为9.1%，FPS为50.92。相比之下，SSD的mAP为65.96%，Faster R-CNN为68.77%，MobileNet-SSD为64.59%，YOLOv7为88.15%。文献[2]方法的mAP为93.5%，文献[14]方法为94.9%，文献[15]方法为94.12%，文献[16]方法为92.28%。ASFF-YOLOv7在检测精度上优于大多数对比算法，同时保持较高处理速度，漏检率也低于多数方法。可视化检测结果显示，其他模型在不同疵点种类上存在漏检情况，而ASFF-YOLOv7能够较准确地检测出织物中的缺陷。

从整体结论来看，该研究通过引入Swin-Transformer检测头、ACmix注意力机制、自适应空间特征融合以及Wasserstein距离损失函数，成功提升了YOLOv7在织物疵点检测任务中的性能。该算法在检测精度和速度之间取得了较好平衡，mAP达到94.12%，帧率达到50.92帧/秒，能够满足实时检测需求。研究价值体现在两个方面：在科学层面，论文证明了多尺度特征自适应融合与注意力机制结合对小目标检测的有效性，同时验证了Wasserstein距离损失在边界框回归中的优势；在应用层面，该算法有助于推动纺织行业向智能制造转型，提高产品质量控制效率和自动化水平。

本研究的亮点主要包括：针对织物疵点小目标检测难题，设计了专门的Swin-Transformer检测头，增强了对微小目标的识别能力；将ACmix注意力机制引入主干网络，实现了卷积与自注意力的高效融合；采用ASFF实现像素级自适应多尺度特征融合，在不显著增加推理成本的前提下提升检测精度；使用Wasserstein距离损失函数优化边界框回归，缓解了小目标对IoU变化过于敏感的问题。这些创新使得ASFF-YOLOv7在保证实时性的同时显著提升了检测精度和鲁棒性。