基于IVPSIC-Net的小样本热轧钢带表面缺陷检测研究

作     者：任楚岚 闫精鲲 

作者机构：沈阳化工大学计算机科学与技术学院辽宁沈阳110142 辽宁省化工过程工业智能化技术重点实验室辽宁沈阳110142 

出 版 物：《物联网技术》 (Internet of things technologies)

年 卷 期：2024年第14卷第3期

页      面：24-29页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：钢带表面缺陷检测 小样本 PSIC-Net MobileNet 目标检测算法 注意力机制 

摘      要：针对钢带表面缺陷检测样本不足、检测精度较低等问题,提出IVPSIC-Net模型,不需要对缺陷图像扩增或合成,仅需较少的数据样本,即可对钢带表面缺陷进行较为准确的分类和分割。经由ImageNet数据集进行预训练,通过调整宽度因子、引入多层感知机和空洞卷积等对特征提取模块进行优化与改进。基于MobileNet121将训练得到的模型权重迁移至IVPSIC-Net模型,大幅度减少了模型计算量。结合位置信息,融合改进的自注意力机制实现对缺陷的有效检出。实验证明,模型对热轧钢带的6种典型表面缺陷均可较为准确地分类和分割。所提出的方法在分类任务中准确度达到85%,相较其他缺陷目标检测算法(YOLOv4、MPF-DNN、FAR-Net、PSIC-Net等)提升了4.79%~6.97%;在分割任务中,相较其他分割算法(Deeplabv3plus、VGG-Unet、RDUnet-A、PSIC-Net等),错误率降低了8.00%~20.03%,能够更准确地分割出钢带表面的缺陷区域。