计算机应用研究

作者：张乃雪,钟羽中,赵涛,佃松宜,

单位：四川大学电气工程学院,成都610065；

关键词：Transformer,DETR模型,GIoU损失,表面缺陷检测,深度学习,

基金：国家重点研发计划资助项目(2018YFB1307401)；；

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。

来源：2022年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第8期