基于改进RT-DETR的织物疵点检测方法

来源：电子测量技术杂志2025年第14期北京时间：

作者：李敏，周双，朱萍，崔树芹，颜小运

单位：1.武汉纺织大学计算机与人工智能学院 武汉 430200;2.湖北省服装信息化工程技术研究中心 武汉 430200; 3.纺织服装智能化湖北省工程研究中心 武汉 430200

摘要：针对织物疵点种类有限、尺度变化大以及模型检测精度低等问题，提出了一种基于RT-DETR的织物疵点检测方法DHR-DETR。首先，创新性地设计了多路径坐标注意力机制模块（MPCA），并将其与可变形卷积模块（DCNv2）深度融合，构建动态可变形卷积模块，以应对复杂多样的疵点形状。其次，采用高水平筛选特征金字塔（HS-FPN）替换跨尺度特征融合模块（CCFM），实现多层次特征的高效融合并有效降低了模型复杂度。最后，构建了兼具轻量化和特征增强能力的RetBlockC3模块，并集成至HS-FPN网络，进一步强化模型对局部信息的捕捉能力，同时显著提升模型的轻量化性能。试验结果表明，DHR-DETR方法在公开和自制织物数据集上的mAP@0.5分别达到了50.9%和97.5%，相较原模型提高了2.9%和0.6%，参数量仅为17.9 M，计算量降低了37%，显著提升了模型的检测性能和部署效率，具备在实际工业检测任务中的应用潜力。

关键词：RT-DETR;疵点检测;动态可变形卷积;高水平筛选特征金字塔;轻量化

基金资助：湖北省教育厅科学研究计划重点项目（D20211701）资助