标题：基于改进YOLOv7的钢筋节点全天候检测方法
作者：艾腾峰 沈近朱 郭帅
作者单位：上海大学机电工程与自动化学院，上海 200072
关键字：钢筋节点检测；特征提取；特征融合；损失函数；钢筋捆扎机器人
摘要：针对建筑工地全天候的雾天、雨雪等复杂光照条件下，钢筋节点检测存在精度低、算法鲁棒性不足的技术难题，提出一种全天候钢筋节点检测算法YOLOv7-RND。①在特征提取网络嵌入RepNCSPELAN4模块，增强多尺度特征表达能力；②引入基于归一化Wasserstein距离的NWD-based Loss函数，缓解传统IoU对小目标位置偏差敏感的问题；③采用双层路由注意力机制BiFormer模块，实现动态特征聚焦与计算资源优化。实验基于自建S-Rebar数据集，通过消融实验表明三项改进使mAP@0.5提升2.0%，召回率提升3.2%。对比实验显示，相较于YOLOv5s、YOLOv7-tiny和YOLOv8，该算法在mAP@0.5指标分别提升4.0%、2.0%和2.5%，并在全天候的复杂光照条件下的钢筋节点识别能保持97.9%的检测准确性。研究证实，该算法有效解决了钢筋节点小目标特征易丢失、多尺度融合效率低等关键问题，为建筑机器人智能化施工提供了高精度视觉检测方案。