基于GhostConv与SimAM的轻量级铝锭铸造线表面缺陷在线检测模型研究

《IEEE Access》:A Lightweight Detection System for Aluminum Ingot Surface Defects

【字体: 大 中 小 】 时间:2026年09月23日 来源:IEEE Access 4.2

编辑推荐:

   铝锭铸造线表面缺陷(如飞边和夹渣)的在线检测对于保障产品质量和生产效率至关重要。然而,这一任务面临多重工业挑战,包括真实数据稀缺、缺陷尺度小以及高效能要求。针对这些问题,本研究提出了一种轻量级在线检测模型,命名为YOLOv8n-Ghost-Simple Parameter-F

  铝锭铸造线表面缺陷(如飞边和夹渣)的在线检测对于保障产品质量和生产效率至关重要。然而,这一任务面临多重工业挑战,包括真实数据稀缺、缺陷尺度小以及高效能要求。针对这些问题,本研究提出了一种轻量级在线检测模型,命名为YOLOv8n-Ghost-Simple Parameter-Free Attention Module (SimAM)。首先,构建了源自真实生产线的铝锭表面缺陷专用数据集,并设计了针对性的数据增强策略以应对小样本学习难题。随后,提出了一种改进的轻量级检测模型,通过协同融合Ghost卷积(GhostConv)轻量化卷积与无参数SimAM注意力机制,该模型在有效增强微小缺陷特征判别能力的同时降低了模型复杂度。实验结果表明,所提模型在企业内部数据集上实现了63.8%的平均精度均值(mAP@0.5),较基线模型(YOLOv8n)提升了8.3%。参数量和计算量分别减少了8.6%和6.1%,同时推理速度提升了17.83%。初步的工厂试点应用已验证了该系统的工程实用性,表明其可稳定集成于铝锭生产线中,并对提高产品合格率产生了积极作用。本研究为铝锭及类似金属铸造行业的智能在线质量检验提供了一条系统化且经实证验证的技术路径,专门针对数据稀缺、微小目标检测和严格时效性要求等复合挑战。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号