基于对抗性弱化的多阶段钢材表面缺陷分类算法

针对钢材表面缺陷分类中缺陷特征类间差异小或类内差异大等难题,提出了一种多阶段钢材表面缺陷分类算法。首先,提出了一种基于图像拼接的数据预处理方法,在调整图像大小的同时保证了缺陷区域质量,增加了可识别的缺陷区域;然后,基于此预处理方法设计了一个多阶段分类网络来识别缺陷,网络中提出了一种基于对抗性弱化的缺陷区域挖掘模块,使得二阶段分类网络更侧重于一阶段分类网络未被注意的缺陷区域,从而计算得到更加完整的缺陷区域;最后,通过两阶段特征融合的方式得到网络的分类结果。此外,算法利用特征金字塔结构和通道-空间注意力机制设计了一种高效的特征提取网络用于各阶段分类网络实现高效的特征提取。在两个钢材缺陷数据集上进行了对比和消融实验,实验结果表明所提出的算法优于现有分类模型,同时在实际生产环境测试中也展示出良好的适用性。