适用于工业部署的钢丝绳表面缺陷检测模型

建筑施工、港口运输和高层电梯等领域对钢丝绳表面质量有着强制性规定,因此检测模型在上述领域飞速发展,但现有检测模型存在参数量大、实时性差及部署困难等问题。为缓解上述问题,提出一种轻量化的起重机钢丝绳表面缺陷检测模型LMSM-YOLO(Lightweight Multi-Scale Matching-YOLO)。首先,设计轻量化自适应特征提取(Lightweight Adaptive Feature Extraction,LAFE)模块降低模型参数量,动态调整各位置权重,使模型更关注缺陷区域的特征;其次,使用快速多维度特征匹配(Fast Multi-Scale Feature Matching,FMSFM)模块促进高级语义信息和低级视觉特征融合,提高模型检测精度。实验表明,在私有数据集上与其他先进检测模型相比,LMSM-YOLO模型参数量、浮点计算量分别降低81.9%、76.1%,精确率达到94.7%,兼顾实时性和高精度要求,更适合于工业环境的部署与应用。