TDDC-YOLO：一种用于在域变换情况下实现鲁棒木材表面裂纹检测的纹理-缺陷分离方法

《Scientific Reports》：TDDC-YOLO: texture–defect disentanglement for robust wood surface crack detection under domain shifts

　　

摘要

木材表面裂纹的检测对于木材加工中的自动化质量检验至关重要，但由于裂纹图案细小且对比度低、重复的木材纹理造成的强烈干扰，以及不同木材种类和光照条件下的明显外观变化，这一任务在实际生产线上仍然具有挑战性。为了解决这些问题，我们提出了TDDC-YOLO，这是一个基于YOLOv8构建的强大裂纹检测框架。其核心思想是通过一个正交性约束的解耦组件来明确区分纹理和缺陷的表示，从而抑制由纹理引起的错误激活。同时，我们引入了一个轻量级的裂纹几何引导分支，并使用易于构建的伪标签来增强细长裂纹的结构一致性，并通过采用频率感知的混合策略和匹配的正样本一致性正则化进一步提高了模型在领域变化下的鲁棒性。在评估的木材表面裂纹数据集上的实验表明，TDDC-YOLO在有限的额外开销下提高了检测精度，在测试集上的\(\textrm{mAP}_{50}\) = 0.938和\(\textrm{mAP}_{50:95}\) = 0.673，同时在我们的测试平台上实现了实时推理（每张图像3.9毫秒，256帧/秒）。此外，在两种木材（白蜡木和Bubinga）上的跨木材评估表明，该模型对由木材种类引起的纹理变化具有更好的鲁棒性（例如，从白蜡木到Bubinga的\(\textrm{mAP}_{50:95}\)从0.575提高到了0.615），这表明它在跨木材检测场景中具有更稳定的性能。