来源：期刊VIP网 时间：
作者：朱永红;高路;金光浪;
单位：景德镇陶瓷大学机械电子工程学院;
摘要：目前已报道的针对日用陶瓷缺陷检测方法存在小目标特征表征不足、多类别缺陷识别泛化性差、定位精度不足及通用性差等问题。针对上述问题，本文提出一种基于轻量化深度学习网络日用陶瓷缺陷智能检测方法。首先，该方法采用轻量级RepNCSPELAN4模块与Conv3XCNCSP卷积模块重构骨干网络，通过结构重参数化与跨层特征复用策略，将模型参数量压缩42.9%（从19.8 M降至11.3 M），计算复杂度降低20.8%(FLOPs从57.3 G降至45.4 G)；其次，针对小目标检测难题，创新设计STEP模块，通过引入P2高分辨率检测层（160×160）与跨阶段特征优化器（CSPO），结合通道注意力机制强化微缺陷特征提取，使小目标召回率提升5.3%（从67.8%至73.1%）；最后，引入Inner-SIoU损失函数，通过形心距离惩罚项优化边界框回归，较原GIoU mAP@0.5提至85.6%。经自建日用陶瓷数据集（含3320张）实验验证，改进模型m AP@0.5达87.0%，比基准模型RT-DETR提升2.3%，参数量降低42.9%、计算量减少20.8%。较好实现了检测精度与推理效率的平衡，为日用陶瓷缺陷检测与分类提供了一种智能化方法，对于提升日用陶瓷品牌效应具有重要的现实意义。
关键词：日用陶瓷;;轻量化深度学习网络;;RT-DETR;;缺陷检测;;Inner-SIoU
基金资助：国家自然科学基金(62063010)
