MSFT-YOLO: усовершенствованная модель YOLOv5 на основе Transformer для обнаружения дефектов поверхности стали

С развитием технологий искусственного интеллекта и распространением проектов интеллектуального производства интеллектуальные системы контроля постепенно стали одной из ключевых тем в промышленной сфере. Как фундаментальная задача компьютерного зрения, обнаружение объектов в промышленности при одновременном обеспечении точности и работы в реальном времени представляет собой важную проблему при разработке интеллектуальных систем контроля. Обнаружение дефектов поверхности стали является важным промышленным применением обнаружения объектов. Точное и быстрое выявление поверхностных дефектов может значительно повысить производительность и качество продукции. В связи с этим в статье представлена модель MSFT-YOLO, усовершенствованная на основе одностадийного детектора. Модель MSFT-YOLO предназначена для промышленных сценариев, характеризующихся значительными помехами фонового изображения, легкой путаницей между категориями дефектов, существенными изменениями масштаба дефектов и низким качеством обнаружения мелких дефектов. Добавление модуля TRANS, разработанного на основе Transformer, в магистральную сеть и детектирующие головки позволяет объединять признаки с глобальной информацией. Слияние признаков разных масштабов с использованием структуры многомасштабного слияния признаков повышает адаптивность детектора к объектам различных масштабов. Для дальнейшего повышения эффективности MSFT-YOLO также внедрены несколько результативных стратегий, включая аугментацию данных и многоэтапное обучение. Результаты испытаний на наборе данных NEU-DET показывают, что MSFT-YOLO обеспечивает обнаружение в реальном времени, а его средняя точность обнаружения составляет 75,2, что примерно на 7% выше показателя базовой модели (YOLOv5) и на 18% выше показателя Faster R-CNN, что свидетельствует о преимуществах и перспективности данного подхода.