基于视觉变换器动态优化的瓷砖瑕疵检测模型

摘要

瓷砖表面瑕疵呈现出面积较小、形状不规则、尺度多变、难与复杂花纹背景区分等特点，这使得高精度瑕疵检测的实现异常困难。为解决此问题，提出了一种高性能瓷砖表面瑕疵检测模型，该模型结合了视觉变换器（ViT）网络与YOLOv8n高效架构，在精度和计算量之间取得了良好平衡。首先，使用高效ViT网络作为模型的主干网络，增强模型对图像全局语义和局部特征的联合建模能力，同时保持计算效率。其次，使用空间到深度卷积替换普通下采样卷积，以保留更多细粒度信息。此外，在颈部网络末端添加空间通道重组卷积，使模型更好地聚焦关键特征信息。最后，引入动态头机制，通过动态调整注意力权重，提升模型对复杂瑕疵特征的检测能力。在阿里云天池官方提供的瓷砖瑕疵检测数据集上的实验结果表明，改进后的模型平均检测精度达到71.5%，较原模型YOLOv8n提升了11.6%，且在瓷砖表面微小瑕疵和密集瑕疵检测等复杂场景中表现出色，并兼具较低的部署成本，能够满足实际生产中实时质量检测的需求。

关键词

深度学习 / 缺陷检测 / YOLOv8n / 视觉变换器 / 自注意力机制

基金资助

国家自然科学基金（62367006）