关键词：机器视觉;缺陷检测;RepVGG;Swin-Transformer
摘 要：带钢表面的缺陷检测在工业质量检测环节发挥着关键作用,带钢表面的缺陷较小,且分布不均匀,导致检测效果不佳。因此,本文提出一种基于融合自注意力机制重参数化网络的带钢缺陷检测算法。所提算法通过解决带钢表面小目标缺陷漏检的情况,提高模型整体的检测效果。首先,设计一种融合RepVGG,Ghost卷积与Swin-Transformer的主干特征提取网络RepGST,提升对密集小缺陷的检测能力,可以极大限度的提取特征信息。同时设计一种RepVGG与Swin-Transformer结合的高效准确的特征融合模块(Efficient and Accurate Pyramid,EAP),提高了不同尺度的特征融合效果。在NEU-DET公开数据集上的广泛实验结果表明,所提出的算法取得了较好的效果。此外,该算法的高效率使其更适用于对实时性要求较高的检测场景。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取