基于Swin-Transformer的磁瓦缺陷检测

作者：陈荣演; 邱天; 杨创富; 张昕; 陈宇琪; 符晓; 宁洪龙

来源：现代计算机(专业版), 2023, 29(09): 68-73.

DOI：10.3969/j.issn.1007-1423.2023.09.012

• Swin-Transformer
• 卷积神经网络
• 缺陷检测
• 图像增强

针对磁瓦缺陷提取难,且基于传统卷积神经网络的磁瓦缺陷检测算法对于全局特征表述差、上下文交互不充分等缺点，提出一种基于Swin-Transformer的磁瓦检测算法，其通过在Swin-Transformer的基础中结合YOLOv3模型的neck模块构建出磁瓦缺陷检测算法，并且为了使网络能够获取更加丰富的梯度组合，在neck部分优化设计了CSPA模块。同时为了使网络学习更多有用的特征，通过锐化和同态滤波对收集到的磁瓦图像进行增强。实验结果表明，改进算法对磁瓦缺陷检测的mAP为87.1%，相对于YOLOv3和YOLOv5，分别提高了5.3和1.5个百分点。

• 单位
  华南理工大学; 电子工程学院; 五邑大学; 阜阳师范大学