钢板焊接的质量检测在工业制造中至关重要。然而，焊缝邻近缺陷往往呈现出形态多样、区域重叠以及分布密集的特点，给工业缺陷的精准检测带来了挑战。因此，我们提出了一种基于 EP-YOLOv7 的工业检测器。首先，引入了高效多尺度通道注意力（EMCA）机制以强化多尺度特征感知，并提高模型对焊缝邻近缺陷的关注度。其次，将 EMCA 模块整合到高效层聚合网络（Efficient Layer Aggregation Network）中，以增强特征融合和缺陷表征能力。最后，设计了部分瓶颈解耦预测头（P-BD Head），以显著提升定位精度并减少小目标的漏检。在自建焊缝邻近缺陷数据集和公开泛化数据集上的实验评估表明，EP-YOLOv7 的 mAP 分别达到了 85.2% 和 56.2%，F1 分数分别达到了 80.3% 和 43.3%。同时，模型大小仅增加了 0.6 MB（总计 37.9 MB），表明所提出的方法在保持轻量级计算复杂度的同时实现了精度的显著提升，适用于实际工业应用。
Zhang et al. (Thu,) 对这一问题进行了研究。