基于SP-DDN的冲压件表面缺陷检测

来源：上海理工大学学报杂志2024年第6期北京时间：

作者：张家伟，孙芮，陈浩，刘银华

单位：上海理工大学 机械工程学院，上海200093,上海交通大学 机械与动力工程学院，上海 200240,上海理工大学 机械工程学院，上海200093,上海理工大学 机械工程学院，上海200093

摘要：车身冲压件表面缺陷具有缺陷尺寸跨度大、缺陷类别间差异小等特点，导致传统表面缺陷检测手段的检测准确率低，难以满足实际工业需求。本文提出一种通道自关联特征金字塔深度学习缺陷检测模型SP-DDN，该模型通过对特征金字塔结构进行扩展得到多层扩展特征融合网络CFPN结构，并在该结构中引入具有通道关联分析能力的注意力模块，以提高模型对多类别缺陷间差异性的特征提取能力，提升模型的缺陷检测精确度。应用K-means++算法对数据集中缺陷数据开展聚类分析，以生成特定预选框，解决默认预选框尺寸与实际缺陷尺寸不匹配问题。最后，结合自制的冲压件表面缺陷检测数据集SP-NET与热轧钢表面缺陷公开数据集，对提出方法进行应用验证。结果表明，本文方法相较于基准网络，mAP分别提升3.1%和4.0%，召回率分别提升1.5%和5.5%。

关键词：缺陷检测;冲压件;K-means++;自注意力机制

基金资助：国家自然科学基金面上资助项目（51875362）；上海市自然科学基金资助项目（21ZR1444500）；上海市浦江人才计划（22PJD048）