DCD-Net:基于动态特征调制与跨尺度空间对齐的钢表面缺陷检测

《Expert Systems with Applications》:DCD-Net: Steel Surface Defect Detection via Dynamic Feature Modulation and Cross-Scale Spatial Alignment

【字体: 大 中 小 】 时间:2026年08月28日 来源:Expert Systems with Applications 9.4

编辑推荐:

   • 设计一种用于钢材表面质量的新型视觉测量方法。 • 解决多尺度缺陷测量中的空间-语义不匹配问题。 • 提出动态特征调制以增强关键测量区域的感知能力。 • 轻量级双路径特征协同,平衡实时性能与测量精度。 • 在两个数据集上取得了最先进的性能。 ## 引言 表面缺陷检测是确

  

• 设计一种用于钢材表面质量的新型视觉测量方法。
• 解决多尺度缺陷测量中的空间-语义不匹配问题。
• 提出动态特征调制以增强关键测量区域的感知能力。
• 轻量级双路径特征协同,平衡实时性能与测量精度。
• 在两个数据集上取得了最先进的性能。

## 引言

表面缺陷检测是确保工业产品质量的关键环节。此类缺陷不仅影响产品外观,还会显著降低其疲劳强度和耐磨性。如果未能及时识别,极易导致严重的安全事故和巨大的经济损失(Zhao等人,2026年)。传统依赖人工目视评估的检查方法普遍存在效率低、成本高、一致性差等不足,已成为制约现代制造业质量提升与效率改善的主要瓶颈。因此,开发智能带钢缺陷检测技术对提高工业质量控制水平具有重要意义。与传统人工目视检查方法相比,卷积神经网络(CNNs)和视觉Transformer(ViTs)等深度学习模型已被证明在处理各类视觉检测任务中卓有成效(Wang、Zhu、Huang、Zhu和Zeng,2026年;Wu、Zhang、Lan和Zhou,2025a年)。因此,研究者逐渐开始探索基于深度学习的目标检测模型在带钢表面缺陷检测领域的应用(Cheng和Yu,2020年;Han、Yang、Li、Hu和Li,2023年;Mia和Li,2024a年)。然而,通用目标检测器(如在COCO(Lin等人,2014年)和PASCAL VOC(Everingham、Van Gool、Williams、Winn和Zisserman,2010年)等自然图像数据集上训练的模型)与工业缺陷图像之间存在显著领域差距。直接将这些模型应用于缺陷检测任务往往难以达到最优性能。

当前主流的urface defect detection方法主要沿两条技术路线发展:基于Transformer的架构和基于CNN的模型。基于Transformer的方法通过强大的全局语义建模和自注意力机制显著增强了特征表征能力。例如,DETR(Zhu等人,2020a年)创新地将检测任务表述为集合预测问题,消除了对传统锚框和非极大值抑制(NMS)步骤的需求;STD2算法(Mia和Li,2024b年)集成了Swin Transformer(Liu等人,2021年)和PAFPN(Liu、Qi、Qin、Shi和Jia,2018年),以增强多尺度特征的捕获能力。然而,Transformer架构在缺陷检测领域面临两个固有挑战:首先,虽然其自注意力机制擅长捕获全局上下文,但缺乏CNN对检测极其细微的局部缺陷特征(如划痕或表面坑洼)的敏感性和细粒度表征能力。此外,其计算复杂性使其难以满足生产线严格的实时性要求。

CNN因其捕获图像空间信息和提取高层特征的能力而著称。单阶段检测方法,以YOLO(Bochkovskiy、Wang和Liao,2020年;Farhadi、Redmon等人,2018年;Jocher、Chaurasia和Qiu,2023年;Li等人,2022a年;Michael等人,2022年;Redmon、Divvala、Girshick和Farhadi,2016年;Redmon和Farhadi,2017年;Wang等人,2024a年;Wang、Bochkovskiy和Liao,2023年;Wang、Yeh和Mark Liao,2024b年)和SSD(Liu等人,2016年)为代表,是建立在CNN之上的成功框架。其中,YOLO系列作为不断演进的经典框架,以其快速且高精度的实时性能而闻名。例如,YOLOv8将多尺度特征金字塔架构集成到其骨干网络和特征融合网络中。通过将深层语义特征与浅层细节信息相结合,构建能够同时捕获大面积异常和微小点状缺陷的多尺度表征。YOLOv11(Khanam和Hussain,2024年)通过采用动态卷积架构和双向特征金字塔网络(BiFPN,Tan、Pang和Le,2020年)进一步增强了不同尺度目标的特征提取能力。然而,这些方法缺乏空间感知和语义对齐能力。FPN网络仅对不同尺度的特征进行逐像素求和,重复上采样引起的像素偏移容易使各层之间的缺陷特征发生错位。因此,与自然图像处理任务不同,表面缺陷检测面临更大的挑战:

(1)缺陷目标通常尺寸较小且视觉对比度低,在成像过程中容易被复杂的背景噪声淹没。现有方法倾向于将深层的语义信息与浅层的空间信息融合,但关键特征层中语义与空间不对齐的问题仍未得到解决。

(2)工业表面通常包含丰富的规则纹理、加工痕迹或非缺陷模式,这些容易与真实缺陷混淆,显著增加了误检和漏检的风险。以FPN为代表的特征融合机制简单地假设深层和浅层特征对最终任务的贡献相等,削弱了对关键缺陷区域的持续注意力,使模型更容易受到背景干扰。

(3)尽管卷积核擅长提取局部特征,但它们天生缺乏捕获长程信息交互的能力。将卷积与Transformer注意力机制相结合提供了克服这一局限性的可行途径。

为进一步明确本文采用的基线YOLOv8架构的瓶颈,我们分析了两个降低其对钢材表面缺陷检测效果的有效性的固有结构性限制,直接推动了所提出的DFIM和CSIA模块的设计。首先,骨干网络主要依赖静态卷积操作和固定的特征交互机制,缺乏内容自适应的空间调制能力。因此,弱信号和低对比度缺陷容易被重复的工业纹理和背景噪声淹没,限制了网络选择性地强调信息丰富的缺陷区域的能力。这一局限促使我们提出动态特征交互模块(DFIM),引入内容感知的动态空间调制,自适应地增强判别性缺陷特征。其次,原始FPN主要通过逐元素相加进行跨尺度特征融合,缺乏显式的空间对齐。重复上采样不可避免地会在浅层细粒度细节与深层语义特征之间引入空间不一致性,导致语义-空间不对齐,尤其对于小尺寸和细微缺陷而言。为解决这一问题,我们提出跨尺度空间信息对齐模块(CSIA),采用交叉注意力引导的特征交互,在特征融合之前显式地对齐多尺度表征。

为此,我们提出了一种基于动态特征交互模块、跨尺度空间信息对齐和双流特征协同模块的新型表面缺陷检测框架(DCD-Net)。为进一步阐明与现有检测范式的创新区别,DCD-Net中三个核心模块的技术特征总结如下:

(1)与传统固定注意力机制不同,动态特征交互模块(DFIM)将通道语义和空间表征解耦为双互补分支,并引入输入自适应的动态卷积核生成策略。该设计实现了动态空间特征调制而非静态权重重新校准,从而增强了对低对比度和不规则钢材表面缺陷的特征表征。

(2)与传统跨尺度融合策略和标准自注意力机制不同,跨尺度空间信息对齐模块(CSIA)采用交叉注意力引导的跨层交互策略,结合卷积位置编码。所提出的设计缓解了跨尺度特征融合过程中的语义-空间不对齐问题,同时保持相对较低的计算复杂度。

(3)与现有的串行CNN-Transformer混合结构不同,双流特征协同模块(DFSM)构建了一种轻量级并行局部-全局双分支架构。通过结合通道混洗的局部细粒度特征提取和高效的全局上下文建模,DFSM在轻量计算约束下协同增强了多尺度缺陷表征。

具体而言,动态特征交互模块采用以通道为中心的注意力和动态卷积核生成策略,实现动态空间特征调制,使模型能够自适应地关注关键缺陷区域,大幅减轻复杂图像背景的干扰。跨尺度空间信息对齐优化了Transformer注意力机制,通过使不同尺度的特征层之间进行直接交互,将深层特征的空间信息高效注入多个融合特征层,从而缓解不同层级特征融合时的空间不对齐问题。双流特征协同模块采用双分支设计:局部分支通过通道混洗增强细粒度特征交互,全局分支基于Transformer捕获长程依赖,从而提高模型对多尺度特征的感知能力和整体感受野。我们在多个工业表面缺陷检测数据集上进行了广泛实验,包括NEU-DET和GC10-DET。在公开的NEU-DET和GC10-DET数据集上的大量实验表明,DCD-Net分别取得了78.2%和70.2%的mAP分数,并保持了204 FPS和430 FPS的高推理速度,在评估的基准数据集上取得了与主流检测方法相媲美的性能。主要贡献总结如下:

(1)我们提出了一种新型表面缺陷检测框架,集成了动态特征交互模块、跨尺度空间信息对齐和双流特征协同模块。通过利用动态空间特征调制、跨尺度特征交互和局部-全局协同策略,所提出的框架有效地适应多样化的缺陷形状和分布,实现了高精度且鲁棒的检测性能。

(2)设计了动态特征交互模块,遵循"通道拆分 → 通道交互 → 动态空间交互 → 特征聚合"的流程。通过将通道注意力与动态卷积核相结合,骨干网络能够自适应地关注关键缺陷区域,同时抑制复杂工业环境中的背景干扰。

(3)提出了跨尺度空间信息对齐机制,通过跨层交互策略将深层特征的空间信息高效注入FPN的每一级。该设计防止了关键细节在特征融合过程中的丢失和不对齐,增强了细节保持能力。

(4)使用局部-全局双分支架构构建了双流特征协同模块。该设计克服了传统卷积操作感受野的局限性,实现了局部细节与全局上下文的协同感知,从而增强了特征表征能力。

本文结构如下:第2节回顾相关工作;第3节描述DCD-Net的架构设计;第4节提供详细的实验和评估结果分析;第5节总结全文。

## 片段

### 带钢检测

在缺陷检测领域,早期研究主要依赖手工特征(如HOG,Dalal和Triggs,2005年)和传统机器学习算法(如支持向量机,Hearst、Dumais、Osuna、Platt和Scholkopf,1998年)。然而,这些方法在复杂场景中提取鲁棒特征的能力有限。相比之下,基于深度学习的方法表现出更强的特征泛化能力和更快的检测速度。当前研究日益……

### 所提出方法的概述

工业表面缺陷检测任务面临两个核心挑战:弱目标特征(尺寸小且对比度低)和复杂背景干扰(纹理多样且存在类缺陷模式)。尽管YOLO系列模型凭借其强大的上下文理解和实时能力在自然图像检测中表现出色,但在表面缺陷检测的专用场景中,其检测精度和鲁棒性仍面临显著局限……

### 实现细节

在实验设置方面,我们在YOLOv8的基础上改进了骨干网络和颈部网络的结构,同时保留原有的解耦检测头。为保持对比模型的原始配置,所有对比算法均使用官方默认超参数进行训练。对于YOLO系列模型,批量大小统一设置为8,总训练轮数为300。所提出的DCD-Net采用基线YOLOv8的默认超参数。在……

### 结论

本研究针对钢材带材表面缺陷检测中面临的特征融合不对齐、背景干扰敏感性以及长程依赖建模不足等挑战,提出了一种轻量级检测网络,称为DCD-Net,该网络集成了动态特征交互模块(DFIM)、跨尺度空间信息对齐(CSIA)和双流特征协同模块(DFSM)。该网络通过DFIM实现输入自适应的空间调制……

未引用的参考文献:缺失的引用算法1和算法2。

## CRediT作者贡献声明

刘瑞康:方法论、软件、验证、写作—审阅与编辑。
谢清文:数据管理、验证、写作—审阅与编辑。
江南:监督、概念化、项目管理。
郑成:写作—审阅与编辑。
覃光同:写作—审阅与编辑。
王子晓:写作—审阅与编辑。

## 利益冲突声明

作者声明不存在已知的经济利益冲突或个人关系可能影响本文所报告的工作。

刘瑞康 | 谢清文 | 江南 | 郑成 | 覃光同 | 王子晓
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号