강재 표면 결함의 정확하고 효율적인 검출은 산업 품질 관리에 매우 중요합니다. RT-DETR 모델은 속도와 정확성 사이에서 좋은 균형을 제공하지만, 복잡하고 세분화된 결함을 처리할 때 고정된 특징 추출 방식과 검출 정확도에는 여전히 한계가 있습니다. 이를 위해 본 논문에서는 RT-DETR을 기반으로 한 개선된 검출 알고리즘인 ICR-DETR을 제안합니다. 먼저 UniRepLKNet을 백본 네트워크로 채택하여 금속 표면 특징 인지 능력을 크게 향상시켰으며, 둘째로 넥(Neck) 네트워크에 LWN-CS 모듈을 도입하여 학습 가능한 웨이블릿 변환과 채널 셔플 메커니즘을 결합해 고주파 세부 모형화 및 특징 융합 능력을 효과적으로 강화했습니다. 마지막으로, WIoU의 비단조 샘플 가중치 메커니즘과 Shape-IoU를 융합한 Shape-WIoU 손실 함수를 설계하여 경계 상자의 형태 특성 및 규모 상관성을 종합적으로 모델링해 위치 정확도와 견고성을 향상시켰습니다. 공개된 강재 표면 결함 데이터셋 NEU-DET에서 실험을 수행한 결과, ICR-DETR은 정확도 77.92%, 재현율 75.71%, mAP 78.42%를 각각 달성하여 기존 주류 검출 알고리즘보다 우수한 성능을 보였습니다. 또한 모델의 일반화 능력 검증을 위해 자체 구축한 슬라이딩 접촉선 탈락 데이터셋 ICRFD와 중장비 균열 데이터셋 FDMPI에서도 테스트를 수행하여 복잡한 산업 환경에서의 실용성과 견고성을 검증하였습니다. 실험 결과는 제안된 ICR-DETR이 복잡한 산업 현장에서 고정밀 결함 검출 작업을 효과적으로 지원함을 나타냅니다.

결함 검출;RT-DETR;슬라이딩 접촉선;Shape-IoU;NEU-DET