一种轻量级的织物缺陷检测,具有并行扩展卷积和双重注意力机制
Zheqing Zhang1, Kezhong Lu1, Gaoming Yang2
1School of Big Data and Artificial Intelligence, Chizhou University, Chizhou, Anhui, China.
PeerJ. Computer science
|September 24, 2025
概括
一个新的轻量级织物缺陷检测 (Light-FDD) 模型提供了高效和准确的织品质量控制. 它实现了低计算成本的高检测精度,使其适合实时应用.
科学领域:
- 织制造业 织制造业 织制造业 织制造业 织制造业
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 自动布料缺陷检测对于织品质量控制至关重要.
- 现有的方法经常使用具有高计算成本的复杂模型,限制实时应用.
- 需要有效和轻量级的模型来检测织物缺陷.
研究的目的:
- 开发一种轻量级的织物缺陷检测 (Light-FDD) 模型.
- 提高织制造业的检测效率和准确性.
- 为了降低实时缺陷检测的计算成本.
主要方法:
- 使用了你只看一次v8纳米 (YOLOv8n) 框架与优化.
- 采用了改进的FasterNet架构来进行特征提取.
- 引入了并行扩展卷积下采样 (PDCD) 块和全局上下文和受感场 (GCRF) 注意力机制.
- 实现了一个轻量级的跨阶段部分 (CSP) 层,用于特征融合.
主要成果:
- 拟议的轻型FDD模型与现有的轻型模型相比,显示出更高的检测精度.
- 轻型FDD实现了低计算成本,使实时检测成为可能.
- 在公共数据集上的实验验验证了模型的性能和有效性.
结论:
- 轻型FDD为检测性能和计算效率提供了一个平衡的方法.
- 该模型是织制造业实时检测织物缺陷的可行解决方案.
- 优化模型设计策略可以提高缺陷检测系统的有效性.
