皮约罗 (PEYOLO) 是一个感知效率高的网络,用于多尺度的表面缺陷检测和检测
Xun Li1,2,3, Yuzhen Zhao4, Xiangke Jiao1
1Xi'an Key Laboratory of Advanced Photo-Electronics Materials and Energy Conversion Device, School of Electronic Information, Xijing University, Xi'an, 710123, People's Republic of China.
Scientific reports
|August 6, 2025
概括
这项研究介绍了PEYOLO,这是一个有效的网络,用于检测小型钢表面缺陷. 在复杂的生产环境中,PEYOLO提高了准确性和速度,以实时进行质量控制.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 钢铁缺陷检测对于制造中的质量控制至关重要.
- 在复杂的工业环境中检测小规模缺陷存在重大挑战.
- 现有的方法与多个规模的缺陷和效率作斗争.
研究的目的:
- 开发一个感知效率高的网络,以快速准确地检测多个尺度的钢表面缺陷.
- 增强特征融合和全球特征捕获,以改善缺陷识别.
- 为实时钢铁缺陷检测应用提供合适的解决方案.
主要方法:
- 引入了缺陷捕获路径聚合网络,用于多级特征学习.
- 设计的知觉高效头 (PEHead) 通过减轻别名.aliasing来减少错过的检测.
- 拟议的感应场扩展模块 (RFEM) 增强全球特征捕获并处理尺寸比变化.
- 将这些模块集成到YOLO框架中,创建了PEYOLO.
主要成果:
- 与YOLOv8n.相比,PEYOLO实现了mAP50的3.5% (NEU-DET),9.1% (GC10-DET) 和3.3% (Severstal) 的改进,这些改进都与YOLOv8n.相比.
- 该方法保持了高推断速度,与实时要求相提并论.
- 在公共钢铁缺陷数据集上表现出显著的性能增长.
结论:
- 皮约罗有效地解决了检测小规模,多规模钢表面缺陷的挑战.
- 拟议的网络提供了高精度和快速推断速度的平衡.
- 在工业质量控制中,PEYOLO是实时检测钢铁缺陷的可行解决方案.
