《Electronics》：KFW-DETR: Research on a Fabric Defect Detection Model Based on RT-DETR
编辑推荐：
在纺织品缺陷检测中检测微小缺陷或尺寸变化显著的缺陷样本时，检测模型的定位精度仍是制约纺织生产线自动化升级的关键瓶颈。本文提出一种基于RT-DETR的改进织物缺陷检测模型，称为KFW-DETR。该模型首先提出BKAGN模块，通过将传统残差网络中使用的3 × 3卷
在纺织品缺陷检测中检测微小缺陷或尺寸变化显著的缺陷样本时，检测模型的定位精度仍是制约纺织生产线自动化升级的关键瓶颈。本文提出一种基于RT-DETR的改进织物缺陷检测模型，称为KFW-DETR。该模型首先提出BKAGN模块，通过将传统残差网络中使用的3 × 3卷积替换为基于Gram多项式的KAN卷积，引入Kolmogorov–Arnold Networks（KANs）的卷积操作，从而增强卷积核的特征提取能力。其次，研究人员采用聚焦扩散金字塔网络（FDPN）优化RT-DETR的颈部架构。FDPN接受三种不同尺度的输入，采用一组并行深度卷积层捕获丰富的多尺度信息，并使具有完整上下文信息的特征在所有检测尺度上扩散。最后，通过将Wise-IoUv3损失函数的非单调聚焦机制引入GIoU损失，研究人员获得Wise-GIoU损失函数，该函数对包含大离群值的预测框分配较小的梯度增益，从而减轻低质量锚框对模型训练的负面影响。消融实验表明，与基线RT-DETR相比，所提出的KFW-DETR在TILDA数据集上mAP50提高4.7个百分点（pp），mAP50-95提高4.5 pp；在与TILDA缺陷类别不同的独立BHDB数据集上，在相同协议下重新训练后，KFW-DETR仍使mAP50提高1.6 pp，mAP50-95提高1.7 pp。结果验证了所提出模型用于织物缺陷检测的有效性，尤其在检测微小缺陷和执行多尺度目标定位方面表现出显著优势。
研究背景与问题：织物制品覆盖服装、家纺和工业材料等领域，但生产过程中易产生断纱、异物、孔洞和表面污渍等缺陷，直接影响良率和产品可靠性。及时识别缺陷有助于提升产品质量、生产效率和降低制造成本。现有手工特征方法依赖专家调参且在复杂背景下退化，深度学习方法虽可端到端学习表征，但织物缺陷尺度差异极大、低对比度弱线索明显、周期性编织纹理会诱发类缺陷响应，同时在线检测要求毫秒级延迟，因而需要兼顾精度与效率的检测模型。RT-DETR通过尺度内注意力和跨尺度融合降低计算成本并满足实时性，但其在织物缺陷检测中的精度仍不理想。为此，研究人员提出KFW-DETR，以BKAGN增强骨干特征提取，以FDPN优化颈部多尺度融合，并以Wise-GIoU抑制低质量锚框的有害梯度。
关键技术方法概述：研究采用RT-DETR为基线，构建BKAGN模块，将ResNet18 BasicBlock中的3 × 3卷积替换为基于Gram多项式的KAGN卷积，并仅用于S4和S5层；采用已发表的FDPN替换CCFM融合路径，输入通道对齐S3—S5；将Wise-IoUv3动态非单调聚焦机制引入GIoU，形成Wise-GIoU。样本来源包括TILDA（纺织品纹理数据库）过滤后的893幅图像，覆盖孔洞、油污、纱线缺陷和异物四类，按7:1:2划分；独立BHDB（BKDN-HUYLV-DATN-BOX）包含2405幅图像，覆盖孔洞、结、线和污渍四类，按7:1:2划分。实验在PyTorch 2.2.2、CUDA 11.7、Python 3.10.14和RTX 3090上进行，采用AdamW、基础学习率0.0001、权重衰减0.0001、批大小8、300轮、耐心50轮早停，输入640 × 640。
研究结果：
3.1 数据集与实验设置：研究使用TILDA和BHDB两个数据集，TILDA经去除人工增强和错误标注并平衡四类后保留893幅图像，BHDB包含2405幅图像；两者均按7:1:2划分，TILDA分辨率为416 × 416，BHDB为640 × 640。TILDA无像素—毫米标定，尺寸分析以像素和图像面积比例报告。训练仅对训练集进行在线增强，验证集用于选择mAP50-95最佳检查点并控制早停，测试集仅用于最终报告。
3.2 评价指标：研究采用FPS、Recall、Precision、F1-Score、mAP50、mAP75和mAP50-95评价模型，其中mAP50采用IoU阈值0.50，mAP75采用0.75，mAP50-95在0.50—0.95以0.05步长平均，用于综合衡量检测与定位性能。
3.3 改进算法消融实验：以RT-DETR-r18为基线，研究对BKAGN、FDPN和Wise-GIoU进行单独与组合消融。基线mAP50为88.2%、mAP50-95为55.9%、Precision为87.2%、Recall为82.7%、吞吐量为100.0 FPS；加入BKAGN后mAP50升至91.0%、mAP50-95升至56.9%、Precision和Recall分别升至90.9%和88.3%；在BKAGN基础上加入FDPN后mAP50为92.2%、mAP50-95为58.5%、Precision和Recall为92.5%和90.0%，吞吐量降至83.3 FPS；再引入Wise-GIoU后mAP50-95升至60.4%。单独加入FDPN或Wise-GIoU时mAP50分别约为87.8%和87.1%，提升有限；三模块组合的Model G达到92.9% mAP50和60.4% mAP50-95，表明三者互补。可视化结果显示KFW-DETR误检和漏检更少，预测框与真实标注对齐更好。
3.4 损失函数比较：基于集成BKAGN和FDPN的Model E比较GIoU、DIoU、CIoU、EIoU、PIoU、Wise-IoUv3和Wise-GIoU。Wise-GIoU的Precision、mAP50、mAP75和mAP50-95分别达到93.0%、92.9%、68.1%和60.4%，Recall为88.7%、F1-Score为90.8%；其mAP50-95较EIoU的59.2%和GIoU的58.5%分别提高1.2 pp和1.9 pp。GIoU虽F1-Score最高为91.2%，但mAP75和mAP50-95较低；原始Wise-IoUv3整体最弱，表明仅用非单调聚焦机制不足，Wise-GIoU中保留的GIoU几何惩罚是必要的。结论是Wise-GIoU在高IoU阈值下定位优势明显，可动态抑制低质量锚框有害梯度。
3.5 基于TILDA数据集的对比实验：研究在TILDA上比较Faster R-CNN、SSD、YOLOv5-M/L、YOLOv8-M/L、YOLOv11-M/L、RT-DETR-r18和RT-DETR-r50等11个模型。相较RT-DETR-r18基线，KFW-DETR的Precision提高5.8 pp至93.0%，Recall提高6.0 pp至88.7%，F1-Score提高6.0 pp至90.8%，mAP50提高4.7 pp至92.9%；参数为45.8 M、GFLOPs为66.1、推理时间为12.0 ms，而基线为10.0 ms，体现以吞吐换精度的取舍。相较YOLOv5-L，mAP50由91.4%提高到92.9%；相较RT-DETR-r50，mAP50高3.6 pp、F1-Score高1.1 pp；相较SSD，Recall提高31.6 pp；相较YOLOv11-M，mAP50提高13.3 pp、F1-Score提高14.5 pp。归一化混淆矩阵显示Model A至Model G的Recall由82.7%升至88.7%，假阳性由62降至29，异物假阳性由22降至7，孔洞假阳性由7降至1，纱线缺陷F1由80.0%升至84.2%，说明所提模块主要抑制无缺陷纹理上的虚假响应。
3.6 独立数据集（BHDB）验证：为检验标签空间改变后增益是否保留，研究在BHDB上重新训练KFW-DETR及7个代表性检测器，不使用TILDA训练权重初始化。两数据集仅共享孔洞类别，因此该实验不是零样本或跨域迁移测试。KFW-DETR在45.8 M参数和12.0 ms推理时间下mAP50达86.7%，较YOLOv5-L高6.6 pp、较RT-DETR-r50高1.2 pp；Precision和Recall为88.4%和83.6%，较YOLOv11-L分别高11.6 pp和10.8 pp；F1-Score为85.9%，较YOLOv8-L高2.7 pp。混淆矩阵显示KFW-DETR总体Recall为87.7%，高于RT-DETR-r50的86.1%和RT-DETR-r18的85.6%，漏检数为78，低于86和89；假阳性为209，RT-DETR-r50为178、RT-DETR-r18为293；KFW-DETR在Hole和Knot的类精度较高，但在Stain和微平均精度上低于RT-DETR-r50，残差主要来自Stain的96个假阳性。结论是BKAGN、FDPN和Wise-GIoU的收益不局限于单一基准，但不构成未经重新训练即可迁移到未见织物的证据。
3.7 小缺陷尺寸分层评价：研究在BHDB测试集481幅图像、710个实例上进行尺寸分层，采用COCO阈值（面积小于1024平方像素，得到161、203和346个实例）和真实框面积三分位（边界为2295和19,200平方像素，约47.9和138.6像素边长，得到236、237和237个实例），并以三分位分层为主。三分位小目标组中KFW-DETR的AP50和AP75最高，分别为78.2%和60.1%，RT-DETR-r50为73.3%和54.7%，RT-DETR-r18为71.9%和55.4%；COCO小目标子集上AP75为41.9%，高于33.3%和33.0%。TILDA实际图像为416 × 416，COCO小目标仅29/222即13.1%且全为孔洞，故以每组74个实例的三分位分层为主，KFW-DETR在小目标组达到87.4%和52.7%，均为最高。由于小框满足高IoU更严格，AP75领先说明所提模块同时改善小缺陷检测与定位，而非仅移动工作点。
讨论与结论：讨论认为KFW-DETR在TILDA上mAP50和mAP50-95分别提高4.7 pp和4.5 pp，在BHDB上分别提高1.6 pp和1.7 pp，且各模型均在目标数据集重新训练，说明增益并非特定于单一基准或缺陷分类体系，但不能证明未经重新训练即可泛化到未见织物。消融实验确认BKAGN通过KAGN卷积重建S4和S5阶段BasicBlock，以可学习非线性核建模细纹理响应；FDPN通过FFM和跨尺度扩散保留更丰富上下文；Wise-GIoU通过动态抑制有害梯度降低低质量锚框影响。与现有织物缺陷检测方法相比，KFW-DETR在精度与计算效率之间取得更好平衡。局限性包括：跨数据集证据仅限两个基准，TILDA和BHDB仅共享孔洞类别，BHDB实验需重新训练，不能建立零样本迁移；未验证未见织物、其他相机分辨率或非受控光照；效率数据在桌面RTX 3090、640 × 640输入下测得，模型需45.8 M参数和66.1 GFLOPs，未评估Jetson等嵌入式平台延迟及完整采集预处理流程成本，12.0 ms表征检测器而非检测系统，不能视为部署保证；所有精度指标基于单一7:1:2划分和固定工作点，未做交叉验证或系统阈值扫描，1.6—4.7 pp增益的运行间方差未量化；模型仅以检测精度和效率评估，未进行归因或显著性分析，决策是否由缺陷本身驱动仍未被验证，Grad-CAM和SHAP等可解释技术留待未来工作。
研究结论（译）：为解决织物缺陷类型复杂、缺陷尺寸变化、检测模型计算成本高以及精度不足等挑战，本文提出一种新的缺陷检测模型KFW-DETR。该模型的贡献包括用于改进特征表示的原始BKAGN增强骨干，并实例化Wise-GIoU损失，其中将Wise-IoUv3的动态非单调聚焦机制应用于GIoU惩罚，以实现更稳健的锚框回归。FDPN按已发表方式用于多尺度特征融合。在TILDA数据集和独立BHDB数据集上的实验结果表明，KFW-DETR相对RT-DETR取得一致提升，表明这些增益并非特定于单一基准。这些发现表明，KFW-DETR为工业织物质量检测提供了有效解决方案。未来工作将探索模型轻量化、对未见织物和成像条件的域适应、实时检测场景部署，以及利用Grad-CAM和SHAP进行可解释性分析，以确认支持每次检测的证据对应真实缺陷区域而非背景纹理。
