针对钢材表面小目标缺陷实时检测

作     者：朱传军 梁泽启 付强 张超勇 刘荣光 ZHU Chuanjun;LIANG Zeqi;FU Qiang;ZHANG Chaoyong;LIU Rongguang

作者机构：湖北工业大学机械工程学院武汉430068 华中科技大学数字制造设备与技术国家重点实验室武汉430074 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2023年第11期

页      面：133-137页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 080202[工学-机械电子工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金国际(地区)合作与交流项目(51861165202) 广东省重点领域研发计划项目(2019B090921001) 

主　　题：钢材表面缺陷 小目标检测 YOLO回归模型 STD-CA 

摘      要：钢材表面缺陷检测任务中,YOLO将目标检测转换为对位置信息的回归问题,实现高帧率实时检测,但对小目标缺陷定位精度有所欠缺。针对该问题,以YOLOv5s架构为基础,首先,在模型输入端设定动态尺度训练范式,提高小目标缺陷训练精度;其次,设计STD-CA模块利用图像转换技术,避免下采样过程中分辨率的降低,导致小目标缺陷特征信息的丢失,并引导特征提取能力,降低无关背景特征关注度,进一步提高模型小目标缺陷检测精度。结果表明,在NEU-DET数据集中,改进后模型在保证检测速度保持在54 frame/s的同时,平均精度均值达到86.6%,较YOLOv5s提高17.6%,对小目标缺陷定位更加准确,目前优于其他深度学习钢材实时检测模型。