双分支信息提取和局部关注无网络用于缺陷检测
Xiaobin Wang1, Qiang Zhang1, Chengjun Chen2
1School of Mechanical and Automotive Engineering, Qingdao University of Technology, Qingdao, 266520, Shandong, China.
Scientific reports
|May 13, 2024
概括
一个新的双分支网络 (DLA-FCOS) 准确地检测工业表面缺陷. 这种先进的方法改进了现有的复杂纹理和分散缺陷检测器,使实时质量控制成为可能.
科学领域:
- 工业制造业 工业制造业 工业制造业
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 表面缺陷显著影响工业产品的质量.
- 目前的缺陷检测方法与分散和复杂的纹理缺陷作斗争.
研究的目的:
- 提出一个新的网络,DLA-FCOS,用于精确的工业表面缺陷检测.
- 解决现有检测器在处理复杂缺陷特征方面的局限性.
主要方法:
- 开发了一种双分支特征提取网络 (DFENeT),用于增强复杂缺陷提取.
- 引入了局部功能增强模块,用于更丰富的语义信息,具有剩余连接.
- 整合了一个自我注意机制到局部注意力残留特征金字塔网络 (LA-RFPN) 中,以减轻特征 misalignment.
主要成果:
- 在CLTP-DD数据集上实现了96.8%的平均平均精度 (mAP) 和20.7/秒 (FPS).
- 在其他数据集上表现出强的表现,NEU-DET的mAP为78.4%,GC10-DET的mAP为67.7%.
- 结果表明,它适合用于准确和实时的工业缺陷检测.
结论:
- DLA-FCOS网络显示了工业表面缺陷检测的高可行性.
- 拟议的方法在不同的数据集中表现出极好的概括能力.
- DLA-FCOS满足了制造业精确高效质量控制的要求.
