工业缺陷检测算法改进

摘要

由于制造能力的快速发展和对产品质量要求的普遍提高，质量检验在工业生产过程中的作用越来越重要。与自然物体的情况不同，细节信息在缺陷分类和定位中特别重要，导致一般物体探测器在复杂的缺陷检测任务中性能较差。为此，本文提出了一种用于复杂图像视觉缺陷检测的渐进式精细化再分配金字塔网络，其中设计了三个新的组成部分。(1)对齐密集特征金字塔网络(AD-FPN)细化尺度差异并进行高效对齐，缓解了基于fpn方法的特征错位。(2)相位特征重分配模块(PFRM)增强了各层特征之间的交互，以语义自适应的方式重新分配全局信息。(3)自适应特征净化模块(adaptive feature purification module, AFPM)帮助网络从复杂背景中区分缺陷，其更新由辅助分支直接监督，加速收敛。这些想法都是基于YOLOv5实现的。在天池织物数据集、公开的表面缺陷数据集neun - det和PCB缺陷数据集上进行的大量实验表明，我们的方法在大多数评估指标上优于其他最先进的缺陷检测方法。此外，在遥感数据集RSOD和坑洼图像数据集上的实验结果也证明了该方法在其他复杂场景下具有较强的泛化能力