Точная и эффективная дефектоскопия поверхности стали чрезвычайно важна для контроля качества в промышленности. Хотя модель RT-DETR обеспечивает хороший баланс между скоростью и точностью, фиксированный способ извлечения признаков и точность обнаружения имеют ограничения при работе со сложными и тонкими дефектами. В этой статье предлагается улучшенный алгоритм обнаружения на базе RT-DETR — ICR-DETR. Во-первых, используется UniRepLKNet в качестве основной сети, что значительно улучшает восприятие модели характеристик металлической поверхности; во-вторых, в шейп-сети вводится модуль LWN-CS, который сочетает обучаемое вейвлет-преобразование и механизм перемешивания каналов, эффективно усиливая моделирование высокочастотных деталей и объединение признаков; наконец, разработана функция потерь Shape-WIoU, которая объединяет несмонотонный механизм взвешивания образцов WIoU с Shape-IoU, комплексно моделируя форму и корреляцию масштаба ограничивающей рамки для улучшения точности локализации и устойчивости. Эксперименты проводились на общедоступном наборе данных дефектов поверхности стали NEU-DET, результаты показали, что ICR-DETR достиг точности 77,92 %, полноты 75,71 % и mAP 78,42 %, превосходя существующие ведущие алгоритмы обнаружения. Для проверки обобщаемости модели также проведены тесты на самостоятельно созданных наборах данных падения скользящей контактной линии ICRFD и трещин тяжелых грузовиков FDMPI, подтвердивших её применимость и устойчивость в сложных промышленных условиях. Результаты доказывают, что предложенный ICR-DETR эффективно поддерживает задачи высокоточного обнаружения дефектов в сложных промышленных сценах.

обнаружение дефектов;RT-DETR;скользящая контактная линия;Shape-IoU;NEU-DET