基于边缘感知深度残差网络的带钢表面缺陷检测

作者：沈坤烨; 周晓飞^*; 费晓波; 陈雨中; 张继勇; 颜成钢

来源：应用科学学报, 2023, 41(06): 978-988.

• 显著性检测
• 缺陷检测
• 深度学习
• 残差结构
• 边缘特征

要：基于深度学习的显著目标检测方法已被用于带钢表面缺陷检测中，但仍存在模型收敛速度慢、检测结果边缘不清晰等问题。针对现有问题，本文提出了基于边缘感知深度残差网络（boundary-aware deeply residual network, BADRNet），以此进行带钢表面缺陷的显著目标检测。将边缘信息引入至缺陷检测任务中，解决了因目标尺寸多样性带来的检测结果边缘不清晰的问题；通过在边缘提取、显著特征融合部分采用具有残差结构的3个卷积层作为基本块，提高了训练效率且保持原有的检测精度不变。在公开的SD-saliency-900数据集上的实验结果表明，所提模型相比于现有模型，在6个评价指标上均取得了最优效果。BADRNet比当前最优的EDRNet在S-measure指标上提升了1.6%，同时对于缺陷区域边缘的检测效果具有明显提升。

• 单位
  自动化学院; 杭州电子科技大学