CAM-RTDETR：一种基于改进的Transformer架构的航空航天发动机表面缺陷检测方法

《Scientific Reports》：CAM-RTDETR: an aerospace engine surface defect detection method based on improved transformer architecture

　　

摘要

为解决航空航天发动机核心部件表面缺陷检测中的难题，尤其是强金属背景下的纹理混叠问题以及难以识别微小点状等跨尺度细微缺陷的问题，本文提出了一种基于改进版RT-DETR-r18的检测模型——CAM-RTDETR。首先，为适应叶片不规则的几何形状，设计了一种基于多分支扩张卷积的C2f-DBlock架构，以此有效将缺陷特征与刚性背景网格分离。其次，在编码器中引入了纹理敏感型自注意力模块（AIFI-TSSA），该模块通过可学习的纹理偏置来抑制高频金属晶粒噪声的干扰。最后，采用混合聚合网络（MANet）替代传统的融合模块，利用多分支结构在特征融合过程中保留细微缺陷的微弱信号。在自行构建的航空航天发动机缺陷数据集上的实验结果表明，该方法在保持实时处理能力的同时，相比基线模型RT-DETR-r18，参数数量减少了21.5%，计算成本（GFLOPs）降低了16.1%。此外，其mAP@0.5–0.95值提升了1.7%，精确度提升了4.0%。与主流YOLO系列模型相比，该方法在检测细微缺陷和低对比度划痕方面具有显著的优势。