MFDH-Net: Red de detección de defectos para fusión de características multinivel y cabeza de desacoplamiento de...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Tecnología de Manufactura

Sus antecedentes:

• La detección de defectos industriales es crucial para la gestión de la calidad en la fabricación inteligente.
• La inspección manual es ineficiente y propensa a errores, mientras que los sistemas automatizados enfrentan desafíos como la similitud entre clases y los defectos multiescala.

Objetivo del estudio:

• Presentar MFDH-Net, una red innovadora para la detección robusta de defectos industriales.
• Abordar los desafíos en la detección de defectos con alta similitud, información semántica débil y escalas variables.

Principales métodos:

• Desarrollada una Red de Extracción de Características de Doble Dominio (DFE-Net) para la captura bidireccional de información de defectos globales y locales.
• Diseñada una Red de Agregación de Características Multinivel (MFA-Net) con fusión de nivel completo y ponderación adaptativa para la interacción de características profundas.
• Incorporado un Módulo de Fusión Semántica Espacial (SSFM) para la alineación a nivel de píxel y una Cabeza de Desacoplamiento con Conciencia Cruzada (CDH) con Módulo de Atención con Conciencia Cruzada (CAM) para un reconocimiento detallado, especialmente para defectos pequeños.

Principales resultados:

• Logró altas puntuaciones de precisión promedio (mAP@.5): 94.3% en acero, 96.6% en PCB, 71.7% en GC10-Net y 98.9% en conjuntos de datos de defectos de superficie de automóviles.
• Alcanzó una velocidad de procesamiento de 52 fotogramas por segundo (FPS).
• Demostró un rendimiento de última generación (SOTA), superando a los métodos existentes.

Conclusiones:

• MFDH-Net supera eficazmente los desafíos en la detección de defectos industriales, incluidos los fondos complejos y los objetivos pequeños.
• La red propuesta proporciona una garantía técnica confiable para el control de calidad en la fabricación inteligente.
• Los resultados resaltan la eficiencia y precisión de la red para diversas aplicaciones industriales.