轻量级图像质量评估方法，用于在物联网背景下检测钢板表面的微小缺陷

《JOURNAL OF INTELLIGENT MANUFACTURING》：Lightweight re-imaging quality assessment for detecting small defects on steel plate surfaces in the context of the internet of things

钢板表面质量自动化检测方法研究利用IoT技术实时监测，通过时间频域分析消除特征混淆，构建轻量级检测模型（参数减少30%），融合频谱特征与图像特征提升识别精度，实验准确率达95.1%。

　　

摘要

在当代工业生产中，准确识别钢板表面质量对于确保产品安全和可靠性至关重要。传统的手动检测方法效率低下且具有主观性，这促使人们研究自动化缺陷检测技术。物联网（IoT）通过实现设备与传感器之间的互联互通，彻底改变了工业环境，为实时、高效的缺陷检测提供了新的可能性。本文提出了一种轻量级的重新成像质量评估方法，用于检测钢板表面的微小缺陷。该方法利用时频分析提取信号频率特征，避免“相互模糊”，并增强缺陷特征的可识别性。通过深度分离和逐点操作，开发出一种计算复杂度和参数都较低的轻量级检测模型，同时仍能捕捉到缺陷特征。将时频频谱特征与图像域特征相结合，使该系统能够识别微观和宏观信息。实证验证表明，在使用最少参数的情况下，该方法的平均准确率为95.1%；物联网的集成提升了系统的实时适应能力，为工业视觉检测任务提供了参考。