基于加权多尺度特征融合的带钢表面缺陷检测算法

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：黄仁彬, 詹道桦, 杨修定, 史卓豪, 易焜然, 王晗

单位：广东工业大学机电工程学院

摘要：为了解决深度学习算法在提取带钢表面缺陷时存在缺陷特征边界模糊和定位不准确的问题,提出了一种空间多尺度加权(SMA)模块的缺陷检测方法。该方法利用多尺度特征融合方式,对不同特征信息进行加权处理,减小背景信息所占权重的同时缓解了特征不集中的情况。在SMA模块中,不同的膨胀卷积并行结构用以捕获不同尺度的特征,同时3个可训练参数用于不同尺度特征的加权。将该模块嵌入到特征提取网络的尾部,并在NEU-DET带钢数据集上进行训练。结果表明,嵌有SMA模块的骨干网络具有更强的特征提取能力,相比于原骨干网络,其检测效果更为优秀。同时在另一个公开数据集GC10-DET上也验证了该方法的有效性。

关键词：缺陷检测,特征融合,注意力机制,膨胀卷积