基于YOLOX改进模型的金属表面缺陷检测

摘要

针对金属表面缺陷检测中模型精度与推理速度难以兼顾的问题，提出一种基于YOLOX模型改进的SWE-YOLOX检测算法.首先，为解决复杂背景干扰大及缺陷尺度变化显著的问题，引入混洗通道注意力模块，增强特征表达能力并抑制无关信息；其次，针对缺陷边缘模糊、纹理不清晰的问题，融合小波卷积以提升频域特征提取能力，从而强化细节信息表达；最后，将原有交并比(IoU)损失函数替换为EIoU损失函数，以优化预测框与真实框的回归精度.实验结果表明，该方法在数据集NEU-DET上平均表面精度(mAP)达76.3%,较YOLOX模型提升3.86百分点，且在参数量与计算复杂度基本不增加的前提下保持了较快的推理速度.

关键词

YOLOX模型 / 注意力模块 / 小波卷积 / 损失函数 / 金属表面缺陷