一个跨尺度的空间语义特征聚合网络,用于带钢表面缺陷检测
Chenglong Xu1, Yange Sun1, Linlin Huang1
1School of Computer and Information Technology, Xinyang Normal University, Xinyang 464000, China.
Materials (Basel, Switzerland)
|December 31, 2025
概括
这项研究引入了用于检测钢带表面缺陷的新网络,提高了对多样化和不均分布的缺陷的准确性. 该方法增强了特征表示,并专注于容易出现缺陷的区域,以更好地检测.
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:
- 条形钢表面缺陷检测具有挑战性,因为缺陷尺度和空间分布各异.
- 现有的方法在不完整的特征表示和在稀疏的缺陷区域中错过的检测方面扎.
研究的目的:
- 为准确和强大的钢带表面缺陷检测提出一个新的网络.
- 为了应对各种缺陷尺度和不均的空间分布的挑战.
主要方法:
- 开发了一个跨规模的空间语义特征聚合网络 (CSSFAN).
- 采用了与跨度空间语义聚合模块 (CSSAM) 的自下而上的特征聚合.
- 引入了一个适应性区域提案网络 (ARPN) 来处理不均的缺陷分布.
主要成果:
- CSSFAN有效地将多个尺度的特征融合在一起,捕捉微妙和不规则的缺陷模式.
- ARPN动态调整区域提案,提高对容易出现缺陷的地区的敏感性.
- 实验显示,在钢带数据集上的检测性能显著改善.
结论:
- 拟议的CSSFAN与ARPN提供了一种有效和强大的解决方案,用于检测钢带表面缺陷.
- 该方法成功地将空间精度和语义抽象结合在一起,以改善缺陷识别.


