融合Res2Net和部分卷积的带钢表面缺陷检测算法

来源：计算机工程与应用杂志2025年第5期北京时间：

作者：胡凯涛, 马向华, 孙向宇, 刘闯

单位：1.上海应用技术大学 电气与电子工程学院，上海 201418；2.上海航天控制技术研究所 电子装联技术中心，上海 201109

摘要：为提升带钢表面缺陷的层次性特征提取能力和检测效率，提出基于多尺度表征和部分卷积（PConv）的快速检测网络（multi-scale and partially convolutional network，MSPC-Net）。将限制对比度自适应直方图均衡技术（contrast limited adaptive histogram equalization，CLAHE）引入到该模型以突出带钢表面的缺陷特征；在YOLOv5s的基础上新增检测层，提高对不同尺寸缺陷目标的检测率；设计了融合Res2Net的多尺度特征提取块并引入ECA注意力机制（BRE-block），既可以获取细粒度层面的特征，同时也增加了模型感受野；通过结合PConv减少了模型计算量（FLOPs），且增强了部分特征信息的聚合。在NEU-DET数据集上的实验结果表明，平均精度均值（mAP@IoU=0.5）达到了80.2%，较原基线网络提高了5.9个百分点；同时改进后网络的FPS达到157，远高于近期应用广泛的目标检测算法，有效提高了带钢表面缺陷的检测效率。

关键词：对比度增强,多尺度特征提取,改进Res2Net,融合PConv,信息聚合