改进RT-DETR的焊缝表面缺陷检测方法
Abstract
针对RT-DETR模型在焊缝表面缺陷检测过程中，存在焊缝缺陷漏检和误检、模型计算复杂度高的问题，提出一种改进的焊缝缺陷检测模型ARE-DETR-P。首先，设计高效的局部自适应下采样网络（CSPAD-Net）和轻量化的跨尺度特征交换（Rep_CAA）模块，通过高效的特征融合机制和上下文锚点注意力（CAA）机制，增强主干网络对焊缝缺陷特征的定位能力，同时通过优化计算流程，降低模型的计算复杂度。其次，设计高效的局部筛选金字塔网络（ELS-FPN），通过独特的特征选择和特征融合机制，减少颈部网络特征融合过程中的信息损失。之后，采用通道剪枝算法，通过去除模型中对检测精度影响较小的过滤器及其连接的特征图，来进一步降低模型的计算复杂度。此外，在自建数据集WSD-DET-N的实验结果表明，ARE-DETR-P模型在交并比阈值为0.50和0.50~0.90的平均精度均值（mAP@0.50和mAP@0.50∶0.95）分别为99.5%和79.9%，相较于RT-DETR模型分别提升1.3百分点和6.3百分点，优于主流的3类算法模型，同时其检测速度为181.80 frame/s，满足工业环境下实时检测的需求。最后，在2个公开数据集NEU-DET和DeepPCB的实验结果表明，相较于RT-DETR模型，改进模型具有相近的检测精度和更小的计算复杂度，展现出良好的鲁棒性。
Fields of Study & Subjects
Industrial Vision Systems and Defect Detection
Advanced Neural Network Applications
Non-Destructive Testing Techniques
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0222001–0222001
- Publication date
- 1 January 2026
- Language
- EN