关键词：缺陷分类;自注意力机制;多尺度特征融合
摘 要：针对钢铁表面缺陷成像模糊以及缺陷类型多样易混淆导致分类精度低的问题，设计了一种基于邻域自注意力的钢铁表面缺陷分类算法。首先，使用自相关模块计算图像邻域中的自相似性并通过上下文特征感知来捕捉语义对象的差异；然后，采用多尺度特征融合保持特征图信息完整，进一步增强模型的表达能力。实验结果表明：在NEU-CLS-64数据集上该算法分类精度达到了96.20%,与ViT-B/16、Swin＿t、ResNet50、MobileNet＿v3＿small、DenseNet121和EfficientNet＿b2相比，精度分别提高了9.39%、5.11%、4.83%、3.30%、3.24%和2.97%,即所提算法可以有效提高钢铁缺陷分类的准确率且检测结果稳定、运行时间短。
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