基于改进YOLOX的4-fold缺陷检测算法研究

摘要

针对工业金属制造过程中表面四重折叠（4-fold）缺陷检测存在的检测效率低、主观性强、易漏检等问题，本文提出一种基于改进YOLOX的高效检测算法。首先，在Backbone模块中引入轻量化MobileNetV2的倒残差结构，在减少计算量的同时保持特征提取能力；其次，在Neck部分设计自适应特征融合模块（AFFM），实现多尺度特征的动态加权融合；再次，在Head部分引入上下文增强模块（CEM），利用空洞空间金字塔池化（ASPP）捕获更大范围的上下文信息。此外，针对工业数据集样本不足的问题，采用缺陷区域感知保持增强（DAA）技术进行数据扩充；最后，引入渐进式训练策略和自适应损失函数权重调整机制，以优化模型训练过程并提高模型训练效率。实验结果表明：改进算法在金属表面4-fold缺陷检测数据集4-fold-defect上取得了显著的性能提升，平均精度均值（mAP）@0.5由0.832提升至0.892，提高了7.2%，检测速度达62 FPS，同时模型参数量减少至25.3 M，充分验证了本文方法的有效性。

关键词

四重折叠(4-fold) / 缺陷检测 / YOLOX / 轻量化 / 特征融合

基金资助

山西省高等学校教学改革创新项目（J20241525）