DEIM-SFA:一个多模块增强模型,用于准确检测接表面缺陷
Yan Sun1, Yingjie Xie1, Ran Peng1
1College of Information Engineering, Sichuan Agricultural University, Ya'an 625000, China.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
本研究介绍了DEIM-SFA,这是自动接缺陷检测的新框架. 它通过更好地保留细粒度特征和融合多尺度信息,显著提高准确性,提高制造业的结构安全性.
科学领域:
- 制造业 制造业 制造业 制造业
- 材料科学 材料科学 材料科学
- 计算机视觉 计算机视觉
背景情况:
- 自动检测金属接缺陷对于制造至关重要.
- 现有的方法缺乏细粒度特征保留和高效的多尺度融合,导致精度低.
- 复杂的背景通常会干扰缺陷检测系统.
研究的目的:
- 开发一种新的检测框架,DEIM-SFA,用于对接缺陷进行高精度的自动化视觉检查.
- 解决细粒度特征保留,多尺度信息融合和背景干扰方面的局限性.
主要方法:
- 引入了结构感知动态卷积 (SPD-Conv),以专注于缺陷结构和抑制噪声.
- 设计了一个多尺度的动态聚变金字塔 (FTPN),以高效地聚合多尺度的特征.
- 集成了一个轻量级的多尺度注意模块 (EMA),以增强突出区域的定位.
主要成果:
- DEIM-SFA取得了显著的改善:在mAP50中3.9%,在mAP75中4.3%,在mAP50-95中3.7%,在RECALL中1.4%.
- 在各种目标大小中表现出卓越的检测准确性.
- 与SOTA方法相比,保持了平衡的模型复杂性和高效的推理.
结论:
- DEIM-SFA框架为自动接缺陷检测提供了一个强大的解决方案.
- 提出的方法有效地增强特征提取和融合,以提高精度.
- 在工业机器视觉中,DEIM-SFA在检测接缺陷方面超越了现有的方法.
