摘要
表面缺陷检测是工业产品质量控制的核心，对于确保产品可靠性和生产效率至关重要。然而，由于工业表面缺陷类型多样且尺寸差异显著——尤其是微小或复杂的缺陷——精确的特征提取和高效检测仍然面临重大挑战，现有的“仅看一次”（YOLO）方法难以满足高精度的要求。本文提出了一种基于YOLOv13的对称性感知的工业表面缺陷检测网络。首先，设计了一个多级特征增强模块（MFEM），该模块结合了星形架构和CBAM注意力机制，通过多分支特征交互和非线性表达来增强缺陷特征的区分能力，同时弥补了多层深度可分离卷积（DSConv）导致的细节损失。MFEM中的对称双分支结构改善了特征平衡和结构一致性。其次，引入了空间像素全局注意力（SPGA）模块，在特征金字塔传输过程中补充细节信息，并提高多尺度特征融合效率，同时保持特征分布的对称性。第三，通过使用多分支超图结构改进了HyperACE模块，以增强长距离依赖建模和局部特征表示能力。在GC10-DET数据集上，改进后的模型实现了69.6%的精确度、66.1%的召回率和67.0%的mAP@50，展现了出色的性能的同时保持了实时处理能力。
