WMC-DFINE：一种改进的DFINE模型，用于铝型材表面缺陷检测 何鹏飞（Pengfei He） 丁云明（Yunming Ding） 闫书文（Shuwen Yan） 王国恒（Guoheng Wang） 刘霞（Xia Liu）

《Sensors》：WMC-DFINE: An Improved DFINE Model for Aluminum Profile Surface Defect Detection Pengfei He, Yunming Ding, Shuwen Yan, Guoheng Wang and Xia Liu

　　

摘要

自动检测铝型材表面缺陷是工业质量控制中的关键任务，这一过程高度依赖机器视觉传感器获取的数据。针对当前背景纹理干扰严重以及难以检测具有极端长宽比的铝型材缺陷的问题，本研究提出了一种基于DFINE框架的端到端缺陷检测算法WMC-DFINE（WIFA-MKSS-CSFF-DFINE）。首先引入了小波集成频率注意力（WIFA）模块，该模块利用离散小波变换将特征分解到频率域，从而动态抑制高频背景噪声并增强缺陷边缘的检测效果。其次，设计了基于双通道池化的跨尺度特征融合（CSFF）模块，以确保缺陷特征的连续性，从而解决传统融合方法中的语义对齐问题。第三，加入了多核条带重新排序（MKSS）模块，利用分解后的卷积核捕捉细长划痕的几何特征。最后，采用了知识蒸馏策略，将复杂教师模型中的结构化知识传递到轻量级学生模型中。通过对Tianchi铝型材缺陷数据集的实验验证，WMC-DFINE的mAP达到了82.1%，超越了YOLOv12、RT-DETR和基线模型DFINE等算法。此外，经过知识蒸馏的学生模型WMC-DFINE-distill相比DFINE在mAP上提高了3.2%，参数数量减少了47%，并在实验设备上的推理速度达到了59.75 FPS。该方法有效解决了背景抑制与缺陷细节特征保留之间的平衡问题，为实时工业缺陷检测提供了一种实用且高效的方案。