A robust model for surface multi-class defect detection using interactive network architectures

Yufeng Wu

doi:10.1080/10589759.2026.2668638

A robust model for surface multi-class defect detection using interactive network architectures

2026-05-05

0

PRE

AI

DOI：10.1080/10589759.2026.2668638

原文链接

原文求助

摘要

En 中文

现有表面缺陷识别方法往往难以平衡对细微缺陷的敏感性、多尺度上下文建模和计算效率。这限制了它们在实时检测系统中的应用。本文提出了一种基于YOLOv8的鲁棒缺陷检测模型，引入两个新型组件以提升准确性和适应性。第一个是基于注意力的局部集成块（ALIB）。该组件整合了增强感知块（EPB），利用动态空间-通道调制突出细微缺陷特征。EPB强化缺陷响应并抑制背景干扰。第二个组件是共享权重扩张融合（SWDF）。该组件高效捕获并融合多尺度特征，在最小参数下扩大感受野同时保留空间细节。在四个基准数据集和一个混合数据集上的评估表明，本模型分别将平均精度均值（mAP）提升了4.8%、5.2%、2.1%和3.1%，并将mAP@0.5:0.95提升了5.3%、0.6%、1.4%和3%。其计算成本仅为7.8 GFLOPs，内存占用小。结果表明，本检测器有效平衡了准确性与效率，易于适配于自动化生产环境中的嵌入式视觉系统及对高精度和速度有要求的实时检测场景。

Keyword:

Surface defect detection

different modalities

enhanced perception

shared weight dilated fusion

A robust model for surface multi-class defect detection using interactive network architectures

摘要

期刊

机构