为了解决铝合金铸件X射线图像噪声多、缺陷背景复杂,缺陷较难检测的问题,制作了一个含有14640张准确标注的大型铝合金铸件内部X射线图像缺陷数据集ALU-Xray,提出一种基于深度学习的缺陷检测算法RetinaNet-AACIDD(RetinaNet for aluminum...为了解决铝合金铸件X射线图像噪声多、缺陷背景复杂,缺陷较难检测的问题,制作了一个含有14640张准确标注的大型铝合金铸件内部X射线图像缺陷数据集ALU-Xray,提出一种基于深度学习的缺陷检测算法RetinaNet-AACIDD(RetinaNet for aluminum alloy casting internal defect detection)。通过加入由通道注意力模块C-Block和空间注意力模块S-Block组成的混合注意力模块CS-Block,有效降低了噪声、背景等无关信息对检测精度的干扰,并通过多尺度特征融合模块,完成了深层语义信息的向下传递,结合多尺度特征预测和基于改进的聚类算法重新设计的锚框,使得模型对气泡、裂纹等尺度较小的缺陷和复杂背景下的疏松、缩孔等缺陷的检测精度显著提升。展开更多