Точная и эффективная детекция дефектов на поверхности стали имеет решающее значение для промышленного контроля качества. Модель RT-DETR обеспечивает хороший баланс между скоростью и точностью, однако при обработке сложных и мелкозернистых дефектов фиксированный способ извлечения признаков и точность обнаружения имеют ограничения. В связи с этим в статье предложен усовершенствованный алгоритм обнаружения на базе RT-DETR — ICR-DETR. Во-первых, для повышения способности модели воспринимать особенности металлической поверхности используется UniRepLKNet в качестве базовой сети; во-вторых, в шейную сеть введён модуль LWN-CS, сочетающий обучаемое вейвлет-преобразование и механизм перемешивания каналов для эффективного усиления моделирования высокочастотных деталей и слияния признаков; наконец, разработана функция потерь Shape-WIoU, объединяющая монотонный механизм взвешивания образцов WIoU и Shape-IoU для комплексного моделирования характеристик формы и масштабной зависимости ограничивающего прямоугольника, что повышает точность позиционирования и устойчивость. Эксперименты проводились на открытом наборе данных дефектов поверхности стали NEU-DET, результаты показали, что ICR-DETR достигла точности 77.92%, полноты 75.71% и mAP 78.42%, превосходя существующие распространённые алгоритмы обнаружения. Кроме того, для проверки обобщающей способности модели проведены тесты на самостоятельно созданных наборах данных ICRFD (падение скользящего контакта) и FDMPI (трещины тяжелого грузовика), что подтвердило её применимость и устойчивость в сложных промышленных условиях. Результаты экспериментов показывают, что предложенный ICR-DETR эффективно поддерживает высокоточные задачи обнаружения дефектов в сложных промышленных сценариях.

обнаружение дефектов;RT-DETR;скользящий контакт;Shape-IoU;NEU-DET