1.一种基于改进YOLOv7的带钢表面缺陷检测方法，其特征在于，包括：将现场采集的带钢表面图像输入改进的YOLOv7模型，得到检测结果；

其中，改进的YOLOv7模型的主干网络为ConvNext网络；改进的YOLOv7模型在训练时采用EIOU loss作为回归损失函数指导训练；

现场采集的带钢表面图像遵循以下规则：

获取带钢的生产设备的运行监测数据；

采用异常分析库，对运行监测数据进行分析，以分析结果为基础，控制图像采集设备动作，对采集分析结果对应于带钢上的位置进行图像采集；

针对采用在带钢生产成品的宽度方向上均布多个摄像头的情况下的控制为：解析分析结果，确定预测的异常位置在带钢上宽度方向的定位，根据该定位，确定负责采样的摄像头，构建该摄像头对应的带钢从设备出口位置至摄像头对应的采集中心位置的采样时间轴，依据预测的异常位置在带钢上的长度方向的定位，在采样时间轴中确定异常点，确定异常点与时间轴上的最近的间隔采样点的距离；当距离为零或在预设的差值范围内时，不改变时间轴；否则在异常点生成新的间隔采样点；

针对在带钢生产成品宽度方向上设置导轨且在导轨上设置一个摄像头进行图像采集，图像采集动作为导轨带动摄像头在带钢上方滑动，在滑动过程中进行图像采样；控制还包括：构建带钢从设备的产品出口至导轨处的平面模型图，将预测的异常位置映射至平面模型图中形成异常点；依据当前的导轨的控制参数，在平面模型图上构建图像采集装置对应的轨迹；依据图像采集装置的当前采样时间间隔控制集，在轨迹上确定间隔采样点；确定异常点是与最近的间隔采样点的距离；当距离为零或在预设的差值范围内时，不改变图像采集装置的控制参数；否则，以异常点替换对应的最近的间隔采样点，重新构建轨迹，基于重新构建的轨迹，确定图像采集装置的控制参数。

2.根据权利要求1所述的基于改进YOLOv7的带钢表面缺陷检测方法，其特征在于，EIOU损失函数的公式如下：2

式中，LEIoU表示EIOU损失；LIoU表示IOU损失；Ldis表示距离损失；Lasp表示边长损失；ρ (b,gt 2 gtb )表示真实框和预测框长度的欧式距离；ρ (ω,ω )表示真实框和预测框宽度的欧式距

2 gt

离；ρ (h,h )表示真实框和预测框高度的欧式距离；C表示同时包含真实框和预测框的最短长度；Cω表示同时包含真实框和预测框的最短宽度；Ch表示同时包含真实框和预测框的最短高度。

3.根据权利要求1所述的基于改进YOLOv7的带钢表面缺陷检测方法，其特征在于，改进的YOLOv7模型在训练时的最终损失函数如下：LAF＝LEIoU(box)+LFL(objectness)+LCE(class)式中，LAF表示最终损失函数；LEIoU(box)为目标框选取损失，LFL(objectness)为客观性损失，LCE(class)为目标分类损失。

4.根据权利要求1所述的基于改进YOLOv7的带钢表面缺陷检测方法，其特征在于，改进的YOLOv7模型采用GELU作为激活函数。

5.一种基于改进YOLOv7的带钢表面缺陷检测系统，其特征在于，包括：监测单元，用于将现场采集的带钢表面图像输入改进的YOLOv7模型，得到检测结果；

采集单元，用于现场采集带钢表面图像；

其中，改进的YOLOv7模型的主干网络为ConvNext网络；改进的YOLOv7模型在训练时采用EIOU loss作为回归损失函数指导训练；

采集单元现场采集的带钢表面图像，执行如下操作：

获取带钢的生产设备的运行监测数据；

采用异常分析库，对运行监测数据进行分析，以分析结果为基础，控制图像采集设备动作，对采集分析结果对应于带钢上的位置进行图像采集；

针对采用在带钢生产成品的宽度方向上均布多个摄像头的情况下的控制为：解析分析结果，确定预测的异常位置在带钢上宽度方向的定位，根据该定位，确定负责采样的摄像头，构建该摄像头对应的带钢从设备出口位置至摄像头对应的采集中心位置的采样时间轴，依据预测的异常位置在带钢上的长度方向的定位，在采样时间轴中确定异常点，确定异常点与时间轴上的最近的间隔采样点的距离；当距离为零或在预设的差值范围内时，不改变时间轴；否则在异常点生成新的间隔采样点；

针对在带钢生产成品宽度方向上设置导轨且在导轨上设置一个摄像头进行图像采集，图像采集动作为导轨带动摄像头在带钢上方滑动，在滑动过程中进行图像采样；控制还包括：构建带钢从设备的产品出口至导轨处的平面模型图，将预测的异常位置映射至平面模型图中形成异常点；依据当前的导轨的控制参数，在平面模型图上构建图像采集装置对应的轨迹；依据图像采集装置的当前采样时间间隔控制集，在轨迹上确定间隔采样点；确定异常点是与最近的间隔采样点的距离；当距离为零或在预设的差值范围内时，不改变图像采集装置的控制参数；否则，以异常点替换对应的最近的间隔采样点，重新构建轨迹，基于重新构建的轨迹，确定图像采集装置的控制参数。

6.根据权利要求5所述的基于改进YOLOv7的带钢表面缺陷检测系统，其特征在于，EIOU损失函数的公式如下：2

式中，LEIoU表示EIOU损失；LIoU表示IOU损失；Ldis表示距离损失；Lasp表示边长损失；ρ (b,gt 2 gtb )表示真实框和预测框长度的欧式距离；ρ (ω,ω )表示真实框和预测框宽度的欧式距

2 gt

离；ρ (h,h )表示真实框和预测框高度的欧式距离；C表示同时包含真实框和预测框的最短长度；Cω表示同时包含真实框和预测框的最短宽度；Ch表示同时包含真实框和预测框的最短高度。

7.根据权利要求5所述的基于改进YOLOv7的带钢表面缺陷检测系统，其特征在于，改进的YOLOv7模型在训练时的最终损失函数如下：LAF＝LEIoU(box)+LFL(objectness)+LCE(class)式中，LAF表示最终损失函数；LEIoU(box)为目标框选取损失，LFL(objectness)为客观性损失，LCE(class)为目标分类损失。

8.根据权利要求5所述的基于改进YOLOv7的带钢表面缺陷检测系统，其特征在于，改进的YOLOv7模型采用GELU作为激活函数。