来源：期刊VIP网 时间：
作者：程泽;王朝辉;陈光远;
单位：武汉科技大学计算机科学与技术学院;武汉科技大学智能信息处理与实时工业系统湖北省重点实验室;
摘要：热轧钢带轧制的生产过程中通常会因为各种因素产生一些结构性缺陷，这些前期缺陷会对成品的生产质量造成一定的影响。基于此，对基于DenseNetBC(densely connected convolutional networks with bottleneck and compression)的尺度转移目标检测网络（scale-transferrable object detection network, STDN）进行改进，通过融入跨阶段局部网络（cross stage partial networks,CSPNet）方法和卷积注意力模块（convolutional block attention module,CBAM）提出CSP-STDN单阶段物体检测模型，以增强特征图像信息，强化对钢带表面不同尺度的视觉可检验缺陷的检出能力，减少对冗余信息的重复计算，加快模型训练和响应的速度。通过实验分析可知，所提算法模型在NEU-DET(Northeastern University-surface defect detection)数据集上的平均精度均值为88.12%、每秒帧数为36.2，相比对照组有了较好的提升。
关键词：表面缺陷检测;;深度学习;;DenseNet;;STDN;;注意力机制
