在造DR图像中检测缺陷的边缘差异协作方法的研究
Yangkai He1, Yunxia Chen1,2
1School of Intelligent Manufacturing and Control Engineering, Shanghai Polytechnic University, Shanghai 201209, China.
Materials (Basel, Switzerland)
|March 14, 2026
概括
本研究介绍了MTS-YOLOv11,这是一种用于检测数字放射 (DR) 图像中造缺陷的新框架. 改进后的模型显著提高了对小,可变缺陷的准确性,同时保持了高处理速度.
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:
- 数字放射学 (DR) 中的孔隙和隙等造缺陷由于它们的小尺寸,各种形状和复杂的背景而难以检测.
- 现有的方法难以准确,特别是在微妙的缺陷方面.
研究的目的:
- 开发一个先进的缺陷检测框架,用于造DR图像.
- 提高工业造工艺中缺陷识别的准确性和稳定性.
主要方法:
- 拟议的MTS-YOLOv11,一个基于YOLOv11的框架,包含一个多级边缘信息增强系统 (MSEES).
- 集成了一个TripletAttention机制来管理频道空间依赖性,并减少背景纹理的错误阳性.
- 实施了一个规模差异感知门式融合 (SDAGFusion) 模块,以实现有效的多规模特征融合.
主要成果:
- 在造DR数据集上,MTS-YOLOv11实现了96.5%的mAP@0.5和68.5%的mAP@0.5:0.95,超过了基线YOLOv11.
- 演示了359.07 FPS的推断速度,具有2.72M的参数和7.8G的FLOP.
- 在新的工业DR数据上显示出优异的跨数据集概括性,表明了强度.
结论:
- MTS-YOLOv11为DR图像中的造缺陷提供了更好的检测精度和稳定性.
- 该框架平衡了高精度和计算效率,适用于现实世界的造厂检查.
- 提议的改进有效地解决了小规模缺陷和复杂背景所带来的挑战.
