WTCFNet：一种利用小波变换和跨层特征融合进行工业缺陷检测的系统

《Scientific Reports》：WTCFNet for industrial defect detection using wavelet transform and cross layer feature fusion

　　

摘要

目前，工业表面缺陷的检测常常面临诸多挑战，例如难以识别复杂的背景缺陷、微小缺陷中包含的语义信息较弱以及缺陷对象发生显著变化等问题，这些问题都与产品质量和人们的生命安全密切相关。为了解决这些问题，本文提出了一种新颖的工业缺陷检测方法（WTCF-Net）。首先，为防止在特征信息逐层传输过程中丢失语义信息，我们设计了一种小波特征卷积模块（WFC），该模块通过小波变换将图像分解为不同尺度的低频和高频成分，从而增强缺陷特征的表示能力并抑制冗余信息。其次，为了在复杂背景下提高缺陷特征识别能力，我们设计了交互式残差模块（IRM）来聚合不同维度的特征信息。同时，交互式残差特征提取器（IRF）用于捕捉跨维度信息之间的相互作用，并建立不同维度之间的依赖关系，使网络能够捕捉到更细微的复杂特征。接下来，为了提高工业产品中多尺度缺陷的检测能力，本文提出了一个跨层特征聚合网络（CFA-Net），并设计了一条三层逐渐递减的特征融合路径，通过相邻层和跨层之间的融合来增强不同尺度之间的相互作用。此外，还设计了特征增强模块（FEM），通过聚合相邻层的特征建立了跨层语义关联，从而提高了模型对多尺度缺陷的特征提取能力。同时，协作过滤模块（CFM）用于在融合后过滤冗余信息，丰富了特征表示。最后，我们设计了缺陷回归交比损失函数（CDIou），通过计算宽度和高度乘积的损失来提高缺陷检测的准确性。该模型在NEU-DET、PCB和DeepPCB数据集上的有效性和泛化能力得到了验证。与基线模型相比，该模型的mAP值分别提高了5.9%、1.3%和1.4%，检测速度达到了53 FPS，具有广泛的应用潜力。