鋼材表面欠陥の正確かつ効率的な検出は、産業の品質管理にとって極めて重要です。RT-DETRモデルは速度と精度のバランスが良いものの、複雑で細粒の欠陥を処理する際には、固定された特徴抽出方式や検出精度に限界があります。これに対し、本論文ではRT-DETRに基づく改良検出アルゴリズム「ICR-DETR」を提案します。まず、UniRepLKNetをバックボーンネットワークとして採用し、金属表面の特徴認識能力を大幅に向上させました。次に、ネックネットワークにLWN-CSモジュールを導入し、学習可能なウェーブレット変換とチャネルシャッフル機構を組み合わせて、高周波詳細のモデリングと特徴融合能力を効果的に強化しました。最後に、WIoUの非単調サンプル重み付け機構とShape-IoUを融合したShape-WIoU損失関数を設計し、境界ボックスの形状特徴とスケール相関性を総合的にモデリングして位置精度と頑健性を向上させました。公開された鋼材表面欠陥データセットNEU-DETで実験を行った結果、ICR-DETRは正確率77.92%、再現率75.71%、mAP78.42%をそれぞれ達成し、既存の主流検出アルゴリズムを上回りました。さらに、モデルの汎化能力を検証するために、自社構築のスライド接触線脱落データセットICRFDおよび重トラック亀裂データセットFDMPIでもテストを実施し、複雑な産業環境下での実用性と頑健性を確認しました。実験結果は、提案するICR-DETRが複雑な産業シーンにおける高精度な欠陥検出タスクを効果的に支援できることを示しています。

欠陥検出;RT-DETR;スライド接触線;Shape-IoU;NEU-DET