基于RetinaNet-AACIDD的铝合金铸件X-ray图像缺陷检测方法

作     者：丛明 孙心海 武晓轩 CONG Ming;SUN Xinhai;WU Xiaoxuan

作者机构：大连理工大学机械工程学院大连116024 

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12期

页      面：151-156,160页

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：辽宁省“揭榜挂帅”科技攻关计划资助项目(2021JH1/10400079)。 

主　　题：深度学习 缺陷检测 铝合金铸件 X射线图像 

摘      要：为了解决铝合金铸件X射线图像噪声多、缺陷背景复杂,缺陷较难检测的问题,制作了一个含有14640张准确标注的大型铝合金铸件内部X射线图像缺陷数据集ALU-Xray,提出一种基于深度学习的缺陷检测算法RetinaNet-AACIDD(RetinaNet for aluminum alloy casting internal defect detection)。通过加入由通道注意力模块C-Block和空间注意力模块S-Block组成的混合注意力模块CS-Block,有效降低了噪声、背景等无关信息对检测精度的干扰,并通过多尺度特征融合模块,完成了深层语义信息的向下传递,结合多尺度特征预测和基于改进的聚类算法重新设计的锚框,使得模型对气泡、裂纹等尺度较小的缺陷和复杂背景下的疏松、缩孔等缺陷的检测精度显著提升。