يعد الكشف الدقيق والفعال عن عيوب سطح الفولاذ أمرًا حيويًا لمراقبة جودة الصناعة. بالرغم من أن نموذج RT-DETR يوفر توازنًا جيدًا بين السرعة والدقة، إلا أن طريقة استخلاص الميزات الثابتة والدقة في الكشف لديها حدود عند التعامل مع العيوب المعقدة والدقيقة. لذلك، تقترح هذه الورقة خوارزمية كشف محسنة تعتمد على RT-DETR باسم ICR-DETR. أولاً، تم استخدام UniRepLKNet كشبكة عمود فقري لتعزيز قدرة النموذج في إدراك خصائص سطح المعادن بشكل كبير؛ ثانيًا، أُدخلت وحدة LWN-CS في شبكة العنق، والتي تجمع بين تحويل الموجات الصغيرة القابل للتعلم وآلية خلط القنوات، مما يعزز بشكل فعال نمذجة التفاصيل عالية التردد ودمج الميزات؛ أخيرًا، صممت دالة خسارة Shape-WIoU التي تدمج آلية وزن العينات غير المتجانسة لـ WIoU مع Shape-IoU لنمذجة شاملة لخصائص شكل إطار الحدود والاعتماد على المقياس، مما يحسن دقة التموضع والصلابة. أجريت التجارب على مجموعة بيانات عيوب سطح الفولاذ المفتوحة NEU-DET وأظهرت النتائج أن ICR-DETR حقق دقة، استرجاع و mAP بنسبة 77.92%، 75.71% و 78.42% على التوالي، متفوقًا على خوارزميات الكشف السائدة الحالية. بالإضافة إلى ذلك، للتحقق من قدرة تعميم النموذج، تم اختبارها أيضًا على مجموعات بيانات خاصة بسقوط خط الانزلاق ICRFD وشقوق الشاحنات الثقيلة FDMPI، مما أكد فائدتها وصلابتها في بيئات صناعية معقدة. تظهر النتائج أن ICR-DETR المقترح يدعم بشكل فعال مهام الكشف عن العيوب عالية الدقة في المشاهد الصناعية المعقدة.

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