摘要
表面缺陷检测是热轧带钢生产过程中十分重要的环节,是提高热轧带钢产品质量的关键。首先,针对当前带钢表面缺陷图像形貌多样、干扰多以及检测算法精度有待提高的问题,设计了一种自蒸馏框架(Self-knowledge Distillation, SD)来提高模型的缺陷检测精度,通过采用几何变换、色彩增强和图像线性插值的数据增强方法,增加样本数据的表征信息;从标签的概率分布和接近程度两方面提出了新的损失函数(LCK Loss),使模型能更好地学习样本提供的知识,实现相同数据不同表征间的信息传递,进而提高模型的泛化能力。其次,将Poolformer网络应用到热轧带钢表面缺陷检测中,针对Poolformer12网络参数量多的问题,设计了轻量化网络LRAM-Poolformer8,通过减少网络层数和计算量,实现模型加速的目的。最后,在武钢CSP机组的8类带钢表面缺陷数据集上进行了试验,结果表明,所提SD-LRAM-Poolformer8模型的平均识别精度为98.20%,相较于Poolformer12,检测精度提高了1.62个百分点,且计算量仅为原来的56.4%,这证明了新模型在热轧带钢表面缺陷检测中的可行性与有效性。
- 单位