基于YOLOv9的钢材表面缺陷检测优化：先进骨干模型的角色与性能评估

本综述系统评估了六种先进骨干网络（ResNet50、GhostNet、MobileNetV4、FasterNet、StarNet、RepViT）在YOLOv9框架下对钢材表面缺陷检测的性能。研究通过NEU-DET和GC10-DET数据集验证发现，RepViT在综合检测精度（mAP50达68.8%）和召回率方面表现最优，而GhostNet在计算效率（仅41.2M参数、190.2 GFLOPs）方面最具优势。文章为工业实时检测场景提供了骨干网络选择的实证依据，并深入分析了不同缺陷类型（如裂纹Cr、夹杂In）的检测瓶颈与优化方向。

　　

引言

钢材表面缺陷检测是制造业质量控制的核心环节，传统方法如人工检测和电磁检测存在精度低、适应性差等局限。随着计算机视觉技术的发展，基于深度学习的方法逐渐成为主流。YOLO（You Only Look Once）系列算法因其高效的单阶段检测特性，被广泛应用于工业缺陷检测领域。本研究聚焦YOLOv9框架，通过系统集成六种代表性骨干网络，探究其在钢材表面缺陷检测中的优化潜力与方法论创新。

材料与方法

研究以YOLOv9-C为基线模型，替换其原生GELAN骨干网络，引入ResNet50、GhostNet、MobileNetV4、FasterNet、StarNet和RepViT六种结构。所有骨干网络均通过1×1卷积层统一输出通道数（P3:256, P4:512, P5:1024），以适配YOLOv9-C的颈部和检测头结构。训练过程中保留辅助可逆分支以优化梯度传播，推理阶段则移除该分支以提升效率。

ResNet50通过残差连接缓解梯度消失问题，但参数量达68.9M，计算成本较高。GhostNet采用特征线性生成机制，显著降低计算冗余，参数量仅41.2M。MobileNetV4基于通用逆瓶颈（UIB）模块和深度可分离卷积，平衡精度与效率。FasterNet引入部分卷积（PConv）减少内存访问开销，适合边缘设备部署。StarNet通过星型操作实现非线性特征交互，在轻量化设计中保持较强表征能力。RepViT结合自注意力与卷积优势，通过结构重参数化提升推理效率。

实验基于NEU-DET和GC10-DET数据集展开。NEU-DET包含6类缺陷（裂纹Cr、夹杂In、斑块Pa、点蚀Ps、氧化皮Rs、划痕Sc），图像分辨率200×200。GC10-DET涵盖10类缺陷，包括月牙裂、焊痕等复杂类型。训练采用SGD优化器，初始学习率0.01，引入马赛克增强（mosaic=1.0）和混合增强（mixup=0.15）策略。评估指标包括mAP₅₀、精确率、召回率、F1-score、参数量（Params）和计算量（GFLOPs）。

结果

在NEU-DET数据集上，RepViT取得最优综合性能（mAP₅₀=68.8%, F1=0.65），尤其在夹杂（In）和氧化皮（Rs）检测中表现突出（AP分别达69.9%和50.5%）。FasterNet召回率最高（70.5%），显著提升裂纹（Cr）检测能力（mAP₅₀=32.6%）。GhostNet以41.2M参数和190.2 GFLOPs实现高效推理，但细微缺陷（如Cr）检测精度受限。MobileNetV4呈现“高精确低召回”特性（精确率73.5%，召回率59.6%），适合低误报场景。ResNet50虽深度特征提取能力强，但参数量大（68.9M）且对细长缺陷敏感度不足。

GC10-DET跨数据集验证表明，RepViT保持最优泛化能力（mAP₅₀=56.0%），而YOLOv9-C原生模型在复杂背景中精确率最高（67.1%）。三类缺陷（月牙裂Cr、夹杂In、滚压坑Rp）在所有骨干网络中均表现较差，主要受限于小尺度、低对比度和极端长宽比等特性导致的IoU敏感性和NMS冲突。

YOLOv5-m框架下的消融实验进一步验证结论普适性：FasterNet召回率最高（63.7%），GhostNet在轻量化场景中优势显著，MobileNetV4仍保持精确率优先特性（69.1%）。

讨论

骨干网络的选择需结合缺陷特性与部署环境：RepViT适合高精度要求的复杂缺陷检测，GhostNet和MobileNetV4适用于计算受限的实时场景，FasterNet在召回率敏感任务中表现优异。研究揭示了缺陷检测中的共性挑战——微小、低对比度及极端长宽比缺陷（如Cr、In、Rp）易因近阈IoU误差和NMS抑制导致漏检。数据集特性（如空间先验分布、背景纹理）会显著影响骨干网络的精度-召回权衡。

结论与展望

本研究为工业表面缺陷检测提供了骨干网络的实证选择框架。未来工作将拓展至更复杂数据集，探索无NMS范式和改进定位表示（如定向框）以缓解密集细长缺陷的检测冲突。同时需针对类别不平衡和噪声环境优化数据增强与损失函数设计，进一步提升模型在真实工业场景中的鲁棒性和适用性。