具有代查询精炼的多尺度可变形变压器用于热钢表面缺陷检测缺陷检测
Haoran Wang1,2, Fan Zhang2, Rong Yi1
1College of Mechanical Engineering, University of South China, Hengyang 421001, China.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
本研究介绍了MDT-Net,这是一种用于检测钢表面缺陷的新型深度学习模型. MDT-Net提高了工业质量保证培训的准确性和速度.
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:
- 检测热钢板上的小而复杂的表面缺陷对于工业质量保证至关重要.
- 现有的深度学习检测器在小物体检测方面的准确性和训练速度方面存在困难,这阻碍了实时应用.
研究的目的:
- 提出一个新的网络,即多尺度可变形变压器代查询精制网络 (MDT-Net),以解决钢表面缺陷检测方面的局限性.
- 为了提高检测准确度,计算效率,以及培训的融合速度,用于小型和复杂的缺陷.
主要方法:
- 开发了MDT-Net,集成Swin变压器骨干,用于多尺度的功能.
- 整合了一个可变形的注意力机制,以减少计算复杂性和加速融合.
- 实施了一种代的界限框精细化策略,以实现精确的本地化.
主要成果:
- 在NEU-DET数据集上,MDT-Net实现了82.7%的mAP50.
- 在小物体检测方面表现出卓越的性能,mAP50:95为0.55.
- 与主流探测器相比,展示了明显更快的培训趋同.
结论:
- MDT-Net提供了一种有效和强大的解决方案,用于准确和高效的钢表面缺陷检测.
- 拟议的网络增强了基于传感器的质量控制和工业质量管理.
- MDT-Net为实时工业检查系统提供了一个有前途的工具.
