一种基于改进RefineDet的管道数字射线成像缺陷图像检测方法

作     者：时亚南 马聪 张婷 陈迎春 刘兆英 范效礼 苗锐 SHI Ya-nan;MA Cong;ZHANG Ting;CHEN Ying-chun;LIU Zhao-ying;FAN Xiao-li;MIAO Rui

作者机构：新疆维吾尔自治区特种设备检验研究院乌鲁木齐830011 新疆特种设备检测技术研究重点实验室乌鲁木齐830011 北京工业大学信息学部北京100124 北京工业大学城市建设学部北京100124 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第6期

页      面：2444-2452页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：新疆维吾尔自治区科技厅面上基金(2023D01A22) 国家自然科学基金(62166002,62176009) 国家市场监管总局科技计划(2021MK119) 北京市教育委员会科技计划一般项目(KM202110005028) 北京工业大学国际科研合作种子基金(2021A01) 

主　　题：目标检测 管道数字射线成像缺陷图像 Swin transformer 注意力机制 后处理 

摘      要：为提高管道缺陷图像检测的准确率,提出了一种基于改进RefineDet的管道数字射线成像(digital radiography, DR)缺陷图像检测模型。该模型针对管道DR缺陷图像数据少、目标少等特点,从以下三个方面进行改进。首先,在骨干网络设计方面,使用Swin transformer代替VGG16作为主干网络,在提高特征提取能力的同时减少主干网络参数量。其次,针对管道DR缺陷图像目标数量较少而易受背景干扰问题,通过在主干网络与特征融合阶段之间加入全局注意力模块来强化模型对重要特征的关注,从而提高检测性能。最后,在后处理阶段,针对传统的非最大值抑制算法直接去除非最好预测框问题,使用软非最大值抑制算法以更合理的方式去除非最优预测框。结果表明:该方法能够有效实现管道DR缺陷图像的检测,并且相比于其他4种常用的目标检测模型,提出的模型可以有效提升管道DR缺陷图像检测的准确率,研究结果可为DR缺陷图像检测提供技术支撑。