基于多尺度特征融合和注意力的钢表面缺陷检测

摘要

为了解决钢表面缺陷检测存在缺陷定位和分类困难的问题,提升钢表面缺陷检测效率,提出一种基于多尺度特征融合和注意力机制的钢表面缺陷检测算法。该算法的模型基于编码器-解码器结构,来实现缺陷分类和分割任务。编码器结构采用残差网络ResNet50作为骨干网络,然后利用多尺度特征融合模块捕获丰富的多尺度空间信息。解码器结构基于全局注意力采样模块,利用高层语义信息生成的全局上下文权重对浅层细节信息进行指导,来实现更加精准的选取细节信息,最后通过3×3卷积块细化分割结果,逐渐恢复缺陷信息并进行预测。使用kaggle竞赛平台提供的钢表面缺陷数据集对算法进行实验,缺陷检测的Dice系数能够达到94.22%,与U-net等语义分割模型相比,缺陷检测效果更好。