基于注意力的轻量级工业产品缺陷检测网络

摘要：

工业领域的表面缺陷检测对提高工业产品质量、维护生产安全具有重要意义.因工业产品表面缺陷复杂多样、形状各异、缺陷检测场景和硬件配置不同,对工业产品的表面缺陷检测提出更高要求.基于图像的工业产品表面缺陷检测方法难以兼顾实时性和准确性的要求.为满足工业产品缺陷检测快速准确的需求,提出一种轻量级的缺陷检测网络.该网络由主干网络、多尺度特征聚合网络、残差增强网络和注意力增强网络4部分组成.其中,主干网络将通道注意力层和坐标注意力层嵌入到特征提取部分,以获取丰富的表面缺陷特征信息,多尺度特征聚合网络则融合深层语义和浅层语义特征信息,残差增强网络关注空间信息,注意力增强网络利用全局特征与局部特征的信息交互,在满足低硬件配置的同时增强模型对复杂多样缺陷的检测性能.实验结果表明,该网络在NRSD-MN、NEU-DET和PCBData等公开数据集上的精准度、召回率、F1值、mAP@0.5和GFLOPS这5项指标上优于YOLOv3-tiny、YOLOv5s、YOLOv7-tiny等同参数量级算法,能有效兼顾工业产品表面缺陷检测场景下实时性和准确性的要求.

关键词：表面缺陷检测、注意力机制、轻量级网络、多尺度特征聚合、信息交互

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：山东省重点研发计划软科学项目;泰山学者工程

在线出版日期：2023-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：275-283