DSAT:用于钢表面缺陷检测的动态稀疏注意力变压器,具有层次特征的融合特征
Shouluan Wu1, Hui Yang2, Liefa Liao1,3
1Jiangxi University of Science and Technology, Nanchang, 330000, China.
Scientific reports
|August 9, 2025
概括
本研究介绍了动态稀疏注意力变压器 (DSAT),用于改进钢表面缺陷检测. DSAT模型提高了识别各种缺陷的准确性和效率,这对于工业质量控制至关重要.
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:
- 工业化增加了钢铁需求,使得表面缺陷检测对于质量控制至关重要.
- 现有的模型在各种缺陷形态,多尺度特征和信息保留方面扎.
- 准确的钢铁缺陷检测对于防止材料故障和确保产品完整性至关重要.
研究的目的:
- 开发一种新的深度学习架构,用于增强钢表面缺陷检测.
- 解决当前模型中多尺度特征提取和计算效率的局限性.
- 提高自动化钢质检验系统的准确性和稳定性.
主要方法:
- 提出了动态稀疏注意力变压器 (DSAT) 架构.
- 引入了动态稀疏注意力 (DSA) 机制,以适应性关注缺陷区域.
- 集成了一个增强的SPPF-GhostConv模块,以实现高效的层次特征融合.
主要成果:
- 在NEU-DET数据集上,DSAT实现了92.55%的准确度和83.14%的mAP (IoU=0.5).
- 该模型在NEU-DET和GC10-DE数据集上表现出优于现有方法的性能.
- 废弃研究证实了DSA机制和SPPF-GhostConv模块的有效性.
结论:
- DSAT模型为钢表面缺陷检测提供了显著的优势.
- 拟议的架构提高了质量控制中的准确性和计算效率.
- 在钢铁制造业中,DSAT显示了现实世界工业应用的巨大潜力.
