钢铁研究学报

作者：刘青¹, 焦宇阳¹, 郑天宇¹, 田阳¹, 周景²

单位：1.国网北京市电力公司电缆分公司,北京100022;；2.华北电力大学控制与计算机工程学院,北京102206

关键词：电缆钢索,缺陷检测,深度学习,双路径注意机制,多特征融合

基金：国家自然科学基金资助项目(61573139);北京卓越电力建设有限公司科技资助项目(ZYKCJS[2024]020)

针对电缆钢索表面缺陷检测中存在的缺陷尺寸微小、缺陷与背景相似度高导致的漏检误检问题,提出一种基于双路径注意力增强与多特征动态融合的电缆钢索检测网络。首先,设计一种双路径并行注意力模块,通过通道注意力与空间注意力并行机制增强对小缺陷的特征表达能力。其次,构建多特征融合模块,引入自学习因子动态加权多尺度特征,抑制背景噪声干扰。最后,提出一种并行空间金字塔池化模块,结合最大池化与全局平均池化路径,以保留关键纹理与上下文信息。在电缆钢索缺陷数据集上的实验结果表明,所提方法在置信度阈值0.5的平均精度均值mAP@0.5、置信度阈值0.5:0.95的平均精度均值mAP@0.5:0.95和<i>F</i>₁分数分别达到94.3%、65.8%和93.7%,优于其他6种主流检测模型。此外,鲁棒性测试显示在亮度变化为±50 cd/m²时,模型性能波动小于2.8%,表明其具有较强的工业适应性。

来源：2025年第11期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第11期