计算机应用

作者：周得辉, 赵军, 程进峰

单位：1.兰州交通大学 机电工程学院，兰州 730070；2.兰州瑞尔文轨道交通科技有限公司，兰州 730070

关键词：轴承表面缺陷检测,小目标,RT-DETR,特征金字塔网络,损失函数

基金：国家自然科学基金资助项目(51868037)

轴承表面缺陷对机电设备的性能和稳定性有显著影响。针对当前轴承表面缺陷检测过程中存在的小目标识别精度不高、速度较慢的问题，提出一种基于RT-DETR（Real-Time DEtection TRansformer）的轴承表面微小缺陷检测算法——FECS-DETR（Faster Expand and Cross hierarchical-scaled feature Screening DETR）算法。首先，采用轻量级FasterNet-T1重构RT-DETR主干网络以降低计算开销；其次，设计内嵌注意力的扩张残差融合（AERF）模块用于提取深层特征，从而增强对小尺度抽象特征的描述能力；再次，通过引入级联分组注意力（CGA），进一步降低计算冗余，并提升模型的运行效率；继次，提出一种跨层级尺度的信息筛选特征金字塔网络（CIS-FPN），以解决特征融合过程中的信息丢失问题，并增强特征融合能力；最后，利用归一化Wasserstein距离（NWD）与改进Inner-MPDIoU联合的回归损失优化策略提高模型收敛速度和模型检测小尺度目标的准确性。实验结果表明，相较于原RT-DETR算法，FECS-DETR算法在轴承表面微小缺陷数据集上的平均精度均值（mAP）提升了2.5个百分点，计算量减少了28.8%，帧率提升了20.8%。可见，所提算法实现了准确率与实时性之间的平衡，能够满足工业环境下的轴承表面微小缺陷检测需求。

来源：2025年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第6期