يُعد الكشف الدقيق والفعال عن عيوب سطح المعادن أمرًا حيويًا للتحكم في جودة الصناعة. على الرغم من أن نموذج RT-DETR يوفر توازنًا جيدًا بين السرعة والدقة، إلا أن طريقة استخراج الميزات الثابتة ودقة الكشف تظل محدودة عند معالجة العيوب المعقدة والدقيقة. لذلك، يقترح هذا البحث خوارزمية كشف محسنة مبنية على RT-DETR تُسمى ICR-DETR. أولاً، تم استخدام UniRepLKNet كشبكة عمود فقري لتعزيز قدرة النموذج على استشعار ميزات سطح المعدن بشكل ملحوظ؛ ثانيًا، تم إدخال وحدة LWN-CS في شبكة الرقبة، التي تجمع بين تحويل الموجة الصغيرة القابل للتعلم وآلية خلط القنوات، لتعزيز نمذجة التفاصيل عالية التردد ودمج الميزات بشكل فعال؛ وأخيرًا، تم تصميم دالة خسارة Shape-WIoU التي تدمج آلية وزن العينات غير الرتيبة في WIoU مع Shape-IoU، مما يجعل نموذجًا شاملاً لخصائص شكل صندوق التحديد وارتباط المقياس، مما يحسن دقة التمركز والمرونة. أُجريت التجارب على مجموعة بيانات عيوب سطح المعادن العامة NEU-DET، وأظهرت النتائج أن ICR-DETR حقق دقة تبلغ 77.92٪، واسترجاعًا بنسبة 75.71٪، ومتوسط الدقة mAP بنسبة 78.42٪، متجاوزًا خوارزميات الكشف السائدة حاليًا. بالإضافة إلى ذلك، للتحقق من قدرة التعميم للنموذج، تم اختباره على مجموعات بيانات تم إنشاؤها ذاتيًا لسقوط خطوط الانزلاق ICRFD وبيانات شقوق الشاحنات الثقيلة FDMPI، مما أكد عمليته ومرونته في بيئات صناعية معقدة. تشير النتائج إلى أن ICR-DETR يدعم بفعالية مهام كشف العيوب بدقة عالية في المشاهد الصناعية المعقدة.

كشف العيوب;RT-DETR;خط الانزلاق;Shape-IoU;NEU-DET