文章详情

摘要

针对铜带表面缺陷检测中复杂纹理背景下检测精度受限、特征表达能力不足的问题，提出一种基于改进RT-DETR的轻量化检测方法。通过对比不同主干网络，选用参数量更少、计算量更低的RT-DETR-R18作为基础结构。在主干网络中引入宽深双分支模块（WDBB），增强多尺度特征提取能力；将AIFI模块中的全局自注意力替换为可变形注意力机制（DAttention），引导网络自适应聚焦于高价值采样区域，提升特征交互与缺陷判别能力。实验结果表明，改进模型在精确率、召回率和mAP@0.5上分别达到96.10%、95.19%和97.60%，整体性能优于原始模型，验证了该方法在铜带表面缺陷检测任务中的有效性。

关键词

铜带表面缺陷；RT-DETR；多分支结构；注意力机制；检测方法

参考文献

1. [1] 古莹奎，叶彪彪，郭明健，等.基于改进RT-DETR的饼干包装外观缺陷快速检测 [J].食品与机械，2025，41（2）：234-241.
2. [2] 张靖雯，孙坚，徐红伟，等.基于改进RT-DETR的玻璃绝缘子缺陷检测算法 [J].电子测量技术，2025，48（14）：96-105.
3. [3] 王樑，欧阳八生.基于改进RT-DETR的USB-C连接器外观检测模型 [J].自动化与仪表，2025，40（1）：36-42.
4. [4] 胡继文，张国梁，沈明哲，等.面向松木表面缺陷检测的改进RT-DETR模型 [J].农业工程学报，2024，40（7）：210-218.
5. [5] 刘亚蒙，赵友全，孙振涛，等.构建改进RT-DETR算法检测隐形眼镜环状波纹缺陷 [J].电子测量与仪器学报，2024，38（5）：1-9.
6. [6] 周得辉，赵军，程进峰.基于RT-DETR的轴承表面微小缺陷检测算法 [J].计算机应用，2025，45（6）：1987-1997.
7. [7] Zhao Y，Lyu W Y，Xu S L，et al. DETRs Beat YOLOs on Real-Time Object Detection [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2024：16965-16974.
8. [8] He K M，Zhang X Y，Ren S Q，et al. Deep Residual Learning for Image Recognition [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition(CVPR)，2016：770-778.
9. [9] Wan D H，Lu R S，Hu B T，et al. YOLO-MIF: Improved YOLOv8 With Multi-Information Fusion for Object Detection in Gray-Scale Images [J/OL].Advanced Engineering Informatics，2024，62：102709.https://doi.org/10.1016/j.aei.2024.102709.
10. [10] Xia Z F，Pan X R，Song S J，et al. Vision Transformer With Deformable Attention [C]//2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2022：4784-4793.
11. [11] 张伟，蔡宇帆，叶林涛，等.基于特征提取增强和金字塔结构的实时Transformer小目标检测模型 [J].计算机科学，2025，52（S2）：375-385.
12. [12] Wang C Y，Bochkovskiy A，Liao H Y M. YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2023：7464-7475.
13. [13] Varghese R J，Sambath M. YOLOv8: A Novel Object Detection Algorithm With Enhanced Performance and Robustness [C]//2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems (ADICS)，2024：1-6.
14. [14] Khanam R，Hussain M. YOLOv11: An Overview of the Key Architectural Enhancements [PP/OL].（2024-10-23）.https://arxiv.org/abs/2410.17725.

基金项目

教育部产学合作协同育人项目（202101355003）

作者简介

陈龙（1996—），男，汉族，湖北孝感人，硕士研究生在读，研究方向：计算机视觉；通信作者：李学兵（1970—），男，汉族，湖南浏阳人，副教授，硕士研究生，研究方向：计算机视觉、企业信息化。