10.19734/j.issn.1001-3695.2022.01.0011
基于Smooth-DETR的产品表面小尺寸缺陷检测算法
为应对实际工业产品视觉质量检测中缺陷罕见、尺寸小等挑战,提出了一种仅需要少量训练样本的小尺寸缺陷检测算法——Smooth-DETR,该算法采用基于DETR的编码—解码结构对缺陷类别和位置进行预测,该结构降低了参数量和计算复杂度.因DETR强大的全局特征学习能力,该算法可从少量训练样本中充分挖掘产品表面纹理特征,从而对打破了表面纹理连续性的缺陷检出率高;通过结合Smooth-L1损失和GIoU损失的优势,进一步提升了小尺寸缺陷的回归精度.实验结果表明,所提方法检测性能优于现有先进检测模型.此外,仅用少量训练样本,该算法对11类产品表面的缺陷检测平均精确率就能够达到98%以上.
Transformer、DETR模型、GIoU损失、表面缺陷检测、深度学习
39
TP391.41(计算技术、计算机技术)
国家重点研发计划2018YFB1307401
2022-08-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
2520-2525