U-SMR织物疵点检测网络

边缘清晰检测

通过双分支金字塔模块融合全局上下文与细节特征，兼顾缺陷定位精度与模型泛化能力。

Qu, Hao · Di, Lan · 梁久祯 · Liu, Hao

Engineering Applications of Artificial Intelligence 2023

参数信息

平均F-measure

75.33 %

技术优势

边缘检测清晰

通过递归多级残差解码块对多尺度特征进行细化与增强，生成多阶段预测图，显著改善缺陷边缘的模糊问题。

泛化能力强

在ZJU-Leaper-Total和HKU-Fabric数据集上的测试结果验证了模型的有效性和泛化能力。

特征融合充分

结合ResNet-50和Swin Transformer模块，融合全局上下文特征、缺陷细节特征和高层语义特征，提升检测精度。

应用场景

• 智能质检：替代人工目检，自动识别织物表面缺陷，提高质检效率与一致性。
• 纺织缺陷检测：针对织物图像的复杂纹理，精准定位缺陷区域并保持边缘清晰。
• 轻量化视觉模型：采用轻量多尺度特征提取模块，降低计算开销，便于部署到产线。