计算机科学与探索

作者：方钧婷, 谭晓阳

单位：1. 南京航空航天大学 计算机学院，南京 2111062. 模式分析与机器智能工业和信息化部重点实验室，南京 2111063. 软件新技术与产业化协同创新中心，南京 211106

关键词：缺陷检测,目标检测,注意力机制,深度学习,卷积神经网络（CNN）

金属表面缺陷检测是工业生产质量把控的重要一环。在复杂的工业场景中，传统的图像处理方法无法有效地检测缺陷区域，而人工检测既费时又费力。快速有效地检测金属表面缺陷已成为提高生产效率的关键。复杂的光照条件会使金属表面产生强反射和倒影，缺陷种类多样、边界模糊，给缺陷检测问题带来巨大的挑战。提出了一种基于注意力机制的级联网络缺陷检测算法（R-CNN），对金属表面缺陷进行高质量分类和定位。设计了一个轻量级的网络模块，该模块沿着空间和通道计算注意力，将其插入到卷积神经网络中可有效提高特征提取能力；为了提高检测精度，将两个IoU阈值递增的检测头部网络级联，使用前一个头部的输出作为下一个头部的输入，依次细化检测结果。在大量实验中探索影响性能的各种因素，与现有方法进行比较，该方法具有更高的精度和良好的鲁棒性，可实际应用于生产中。

来源：2021年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第7期