基于改進Swin Transformer的鋼板表面缺陷檢測方法

代曉林，劉夢玫，生 群，李 林，苗延麒，韓偉

（1.大連惠友自動化有限公司，遼寧 大連 116083；2.大連船舶重工集團有限公司，遼寧 大連 116083）

鋼板是鋼鐵行業(yè)的主要產(chǎn)品，占據(jù)行業(yè)總產(chǎn)量的65%。鋼板也是建筑業(yè)、航天航空業(yè)、機械制造業(yè)，汽車制造業(yè)、造船業(yè)等制造工業(yè)的主要基礎(chǔ)材料。鋼板的任何質(zhì)量問題，都會對制造業(yè)造成巨大的經(jīng)濟損失，也會對鋼板制造商造成巨大的聲譽損失。對于厚度薄、寬度大的鋼板材料而言，表面缺陷是產(chǎn)品質(zhì)量最大的威脅。即使是偶爾發(fā)生的鋼板內(nèi)部缺陷，也會大概率的在鋼板表面表現(xiàn)出不同的形態(tài)。傳統(tǒng)的人工鋼板表面缺陷檢測，需要大量人工，效率低且遺漏率高。自動視覺檢測設備則可以實現(xiàn)高速、高精度、全自動化的缺陷檢測，極大提高產(chǎn)品質(zhì)量和生產(chǎn)效率。自動視覺檢測設備逐漸成為企業(yè)進行鋼板表面質(zhì)量檢測的標準儀器。

自動視覺檢測設備的核心是高效的算法。早期的缺陷識別算法有統(tǒng)計識別算法、波譜法、模型法等。例如，Neogi[1]等提出基于梯度圖像的全局自適應閾值算法；Ma[2]等提出了一種基于鄰域灰度差異的方法；Choi[3]等提出了一種基于形態(tài)增強的雙加博濾波器算法。這些方法對缺陷的規(guī)律性要求高，對小尺寸的缺陷識別精度差，且需要專業(yè)的探測設備配合獲取數(shù)據(jù)。隨著計算機GPU算力的不斷提高，以及計算機視覺算法的不斷突破，深度學習算法得到了廣泛的應用。在鋼板缺陷檢測領(lǐng)域，深度學習算法可以克服以往算法的缺點，快速、高精度地識別多類別表面缺陷。……