PG-SalDETR：物理誘導サリエンシーおよび非対称知覚ネットワークに基づく鋼板微小欠陥検出手法

鋼板の欠陥検出は、微小欠陥の微弱な特徴、物理的先験情報と検出タスクの乖離、マルチスケール融合における意味的一貫性の欠如などの問題に直面しており、これらは微小欠陥の誤検出を引き起こしやすい。これらの問題を解決するため、本論文ではPG-SalDETRと名付けた検出手法を提案する。第一に、本論文では物理誘導サリエンシー知覚メカニズム（PGSPM）を提案し、物理的先験情報を学習可能な誘導信号に変換して検出ネットワークに直接組み込み、共同最適化を行う。第二に、トークンシーケンスサリエンシー知覚ネットワーク（TSSP-Net）を提案する。これは非対称デュアルブランチ構造、適応的融合、および残差融合を通じて微小欠陥特徴の知覚と表現の向上を支援するよう設計されている。第三に、二段階クエリ精緻化メカニズム（TSQRM）を提案する。物理誘導オフセット補正と適応的マルチスケール特徴集約を通じて、微細な欠陥詳細を保持しながらクエリを最適化する。最後に、動的クロススケール融合モジュール（LCASF）を提案する。動的クロススケール融合戦略により、マルチスケール融合における微小欠陥特徴の意味的不整合問題を緩和する。実験結果により改善が実証された。Salience DETRと比較して、PG-SalDETRはNEU-DETおよびGC10-DETデータセットにおいて、それぞれAPが3.8%および2.6%向上し、APSが2.8%および3.9%向上した。これらの結果は、鋼板表面の微小欠陥検出に対する提案手法の有効性を示している。