基于改进MobileNetV2的金属表面缺陷分类方法

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：姚旭,杨延宁,白鸿冰

单位：延安大学 物理与电子信息学院

摘要：金属表面缺陷检测是工业制造中质量控制的关键环节；传统的人工检测方法由于成本高、效率低，难以满足现代制造业对高精度与高效率的需求；提出了一种基于MobileNetV2的改进网络模型，用于提高金属表面缺陷检测的精度与效率；在MobileNetV2网络基础上，引入坐标注意力机制以增强特征学习能力，采用深度可分离思想改进Inception模块，在增强网络对多尺度特征的提取能力的同时保持模型参数量；通过图像增强技术处理数据集，以提升网络的鲁棒性；实验在NEU-DET金属缺陷数据集上进行，验证了模型的有效性；IC_MobileNetV2模型在验证集上取得了92.8%的准确率，与原始的MobileNetV2、AlexNet、GoogleNet、DenseNet、ResNet34和ResNet50相比，准确率分别提高了5.6、2.8、0.9、1.7和1.7个百分点；实验结果表明，该方法在金属表面缺陷分类任务中具有较好的应用潜力。

关键词：缺陷图像检测;MobileNet网络;深度可分离卷积;注意力机制;Inception网络

基金资助：国家自然科学基金(52365069)