La détection précise et efficace des défauts de surface de l'acier est cruciale pour le contrôle qualité industriel. Bien que le modèle RT-DETR offre un bon équilibre entre vitesse et précision, sa méthode fixe d'extraction des caractéristiques et sa précision de détection restent limitées lorsqu'il traite des défauts complexes et fins. Pour cela, cet article propose un algorithme de détection amélioré basé sur RT-DETR nommé ICR-DETR. Tout d'abord, UniRepLKNet est utilisé comme réseau de base, améliorant significativement la capacité du modèle à percevoir les caractéristiques de surface des métaux ; ensuite, un module LWN-CS est introduit dans le réseau de cou, combinant la transformée en ondelettes apprise et le mécanisme de mélange de canaux, renforçant efficacement la modélisation des détails haute fréquence et la fusion des caractéristiques ; enfin, la fonction de perte Shape-WIoU est conçue pour intégrer le mécanisme de pondération non monotone des échantillons de WIoU avec Shape-IoU, modélisant de manière intégrée les caractéristiques de forme et la corrélation d'échelle des boîtes englobantes, améliorant la précision de localisation et la robustesse. Les expériences menées sur le jeu de données public NEU-DET des défauts de surface de l'acier montrent que ICR-DETR atteint respectivement 77,92 % de précision, 75,71 % de rappel et 78,42 % de mAP, surpassant les algorithmes de détection actuels. De plus, pour valider la capacité de généralisation du modèle, des tests ont été réalisés sur des jeux de données auto-constitués relatifs à la chute des lignes de contact ICRFD et à la fissuration des poids lourds FDMPI, confirmant son applicabilité et sa robustesse dans des environnements industriels complexes. Les résultats indiquent que l'ICR-DETR proposé soutient efficacement les tâches de détection de défauts de haute précision dans des scénarios industriels complexes.

détection de défauts;RT-DETR;ligne de contact;Shape-IoU;NEU-DET