多尺度扩散增强注意网络用于在多生产中检测钢表面缺陷
Yiwei Duan1, Lizhen He1, Zhisheng Wang1
1School of Software Engineering, Xinjiang University, Urumqi, 830046, China.
Scientific reports
|January 16, 2026
概括
本研究介绍了MSEOD-DDFusionNet,这是一个用于在聚生产中检测钢表面缺陷的新型网络. 该模型实现了最先进的准确性和高推断速度,为工业质量控制提供了有效的解决方案.
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
- 工业自动化 工业自动化
背景情况:
- 表面缺陷检测对于聚生产中的钢材部件质量控制至关重要.
- 挑战包括微小的缺陷,不规则的形状,复杂的背景和低对比度,阻碍了传统方法.
研究的目的:
- 开发一个先进的深度学习网络,以准确和高效地检测钢件的表面缺陷.
- 解决现有方法在检测小,不规则和低对比度缺陷方面的局限性.
主要方法:
- 拟议的MSEOD-DDFusionNet (多尺度和有效的物体检测扩散融合网络),一个多尺度扩散增强注意力网络.
- 集成的专业模块:MTECAAttention,ODConv,LMDP,以及DDFusion. 这些模块包括:
- 应用网络修剪以优化计算复杂性和提高准确性.
主要成果:
- 在专门的DDTE数据集上实现了最先进的性能 (82.6% mAP, 61.6% F1得分).
- 证明了高推断速度 (193.5 FPS) 与一个小的参数数 (8.46M).
- 在公共基准 (NEU-DET,GC10-DET) 和跨领域任务中展示了出色的概括能力.
结论:
- MSEOD-DDFusionNet为工业表面缺陷检查提供了一种高效准确的解决方案.
- 拟议的网络有效地处理诸如微小缺陷和复杂背景等挑战.
- 该模型的强大性能和通用性为钢铁制造业改善质量控制铺平了道路.
