-
题名RMD-DETR:一种改进的钢材表面缺陷检测算法
- 1
-
-
作者
蒋宏捷
肖小玲
颜昕
-
机构
长江大学计算机科学学院
长江大学人工智能科研平台
武汉理工大学计算机与人工智能学院
-
出处
《光电工程》
北大核心
2026年第1期117-133,共17页
-
基金
国家自然科学基金资助项目(61771354)。
-
文摘
针对钢材表面缺陷检测中存在的检测精度低、跨尺度适应性差等问题,本文提出一种基于改进RT-DETR的检测模型RMD-DETR。首先,引入轻量级FasterNet作为模型骨干网络,同时对FasterNetBlock中的PConv进行重参数化改进,在保持轻量化的同时增强特征表达能力,降低计算复杂度;其次,设计了动态多尺度特征融合网络(DMSFPN),结合多尺度卷积块(MSCB)与高效上采样模块(EUCB),增强跨分辨率特征的语义一致性;最后引入基于变分率降噪的TSSA机制,进一步提出AIFI-TSSA模块,提升复杂背景下的检测稳定性。实验结果表明,在NEUDET数据集上,改进模型的mAP@0.5达到76.7%,较基准RT-DETR提升了2.6%。在跨尺度检测中,模型漏检率从基准的55.4%降至50.9%,降低了4.5%,同时参数量与计算量分别减少了39.9%和39.3%,帧率(FPS)提升了30.4%(78.9 f/s),满足工业产线大于30 f/s的实时检测需求。在天池铝型材数据集和GC10-DET数据集上的泛化实验中,mAP@0.5分别提升了2%和3%,验证了模型在工业场景中的高效性与鲁棒性。
-
关键词
表面缺陷检测
重参数化
dmsfpn
AIFI-TSSA
轻量化模型
-
Keywords
surface defect detection
reparameterization
dmsfpn
AIFI-TSSA
lightweight model
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
