来源：期刊VIP网 时间：
作者：朱胜利;李明;何志奇;
单位：武汉纺织大学湖北省服装信息化工程技术研究中心;武汉纺织大学湖北省数字化纺织装备重点实验室;
摘要：为了解决织物疵点检测中疵点类型多、大小不平衡和小目标疵点难以检测的问题，基于RT-DETR(Real-Time DEtection TRansformer)提出了一种改进的织物疵点检测算法FD-DETR(Fabric Defect-DETR)。将可变形注意力机制模块DA(Deformable Attention)引入特征交互模块AIFI(Attention-based Intrascale Feature Interaction)来增强算法对疵点感受野的适应性，以更好地实现对不同类型和不同大小疵点的检测；在Neck层将Slim-Neck与加权双向特征金字塔Bi-FPN相结合形成GVBi-FPN模块以替换CCFM模块，降低模型复杂度的同时提高对小疵点的检测能力；在分类损失部分将RT-DETR的原分类损失函数Varifocal Loss与Slide Loss结合为Slide Varifocal Loss,提高困难样本的训练权重，使算法注重更难检测的目标以提高困难样本的检测精度。结果表明：在检测20类疵点时，相较RT-DETR,FD-DETR算法的参数量有所降低，并且在mAP@0.5方面提高了3.3%,mAP@0.5∶0.95方面提高了1.7%,实现了45.3帧/s的检测速度，能够快速准确的对不同大小疵点进行检测，有效提升算法性能。
关键词：织物疵点检测;;RT-DETR;;加权双向特征金字塔;;可变形注意力;;损失函数
基金资助：湖北省数字化纺织装备重点实验室开放基金项目(DTL2018021);; 湖北省服装信息化工程技术研究中心开放基金项目(184084004)
