融合Transformer的带钢缺陷实时检测算法

来源：计算机工程与应用杂志2023年第16期北京时间：

作者：张涛源, 谢新林, 谢刚, 张林

单位：1.太原科技大学 电子信息工程学院，太原 030024；2.先进控制与装备智能化山西省重点实验室，太原 030024；3.平板显示智能制造装备关键技术研发工程研究中心，太原 030024

摘要：在带钢的生产过程中通常会产生影响产品质量的表面缺陷。针对带钢表面缺陷检测效率低以及小目标缺陷检测精度差的问题，提出一种融合Transformer的带钢缺陷实时检测算法TRSD-YOLO（Transformer real-time strip steel defects detection-YOLO）。设计一种结合Transformer自注意力机制的特征提取模块BottleNeckCSPTR，通过自注意力的增强来提升模块对小目标缺陷信息的获取能力；运用BottleNeckCSPTR模块构建新的主干特征提取网络CSPDarknetTR，并将动态激活函数Meta-ACON与主干网络相融合，进一步强化网络对缺陷特征的表示能力；提出一种轻量级双向加权特征金字塔结构BiFPN-Light作为融合多尺度特征的方式，提高网络对小尺寸缺陷的检测精度。实验结果表明，提出的算法在NEU-DET数据集上mAP达到了82.2%，较原有的YOLOv4算法提高了5.3个百分点；同时检测速度达到31.3?FPS，可匹配工业场景的需求。

关键词：带钢缺陷检测,YOLOv4,Transformer,双向特征金字塔（BiFPN）