来源：期刊VIP网 时间：
作者：吴庆华;张哲铭;赵德华;
单位：湖北工业大学机械工程学院;现代制造质量工程湖北省重点实验室;湖北中烟工业有限责任公司武汉卷烟厂;
摘要：针对烟支生产过程中微小微弱缺陷（如刺破、黄斑、油渍、隐形夹沫等）检测难度大、对易混淆缺陷的区分能力不足的问题，提出一种改进的缺陷检测网络TCN-Net。融合三重注意力机制，在通道、高度和宽度3个维度进行特征增强，提高微小目标的检测能力，使刺破等缺陷的mAP@0.5提升2.4个百分点；设计一种特征聚焦扩散结构，优化高层语义与低层空间特征的融合，有效提高易混淆缺陷（如油渍、黄斑等）的区分能力，使其mAP@0.5分别提升2.8,1.9个百分点；采用归一化Wasserstein距离损失函数优化目标定位，提升小目标检测精度。试验结果表明，相较于基线模型YOLOv8,TCNNet的mAP@0.5提高5.4个百分点，综合性能优于SSD,YOLOv5和YOLOv7等主流检测算法。研究为烟草工业的缺陷检测提供更精准的解决方案。
关键词：图像处理;;烟支缺陷检测;;深度学习;;注意力机制;;NWD损失函数
基金资助：国家自然科学基金项目（51275158）;; 湖北省创新群体项目(2022CFA006)
