基于多尺度表征和语义增强的金属表面缺陷检测方法

基于多尺度表征和语义增强的金属表面缺陷检测方法，包括如：1）采集工业金属表面缺陷图像，并对图像进行预处理，构建模型所需数据集，按预设比例将数据集分为训练集和测试集；2）构建金属表面缺陷检测模型MRSENet，MRSENet模型包括主干网络、颈部网络和检测头，图像首先输入至主干网络中提取多尺度特征，然后多尺度特征输入颈部网络聚合特征，最后输入至检测头中输出检测框和类别；其中主干网络中设置有渐进式多尺度特征融合模块，用于增强主干网络的多尺度表征；颈部网络和检测头之间设置有跨尺度语义增强模块，用于强化输入至检测头特征的语义；3）将预处理后数据集输入至MRSENet模型中进行迭代训练和验证，得到训练好的模型权重文件；4）将训练好的模型权重文件载入MRSENet模型，得到最终的MRSENet模型，并将测试集输入至MRSENet模型，输出缺陷边界框、类别预测结果和性能评估结果。本发明提升了模型对细粒度缺陷的感知能力，增强了检测结果的稳定性。