A detecção de defeitos de superfície é indispensável para gerir a qualidade dos produtos na fabricação industrial. No entanto, devido às várias morfologias de defeito, continua sendo difícil melhorar a precisão na detecção de defeitos de superfície em diferentes domínios. Este artigo propõe uma rede desigual ciente de defeitos (DAU-Net) para detectar defeitos de superfície industrial com multi-morfologia. Na DAU-Net, um módulo de representação global ciente de defeitos é desenvolvido para superar a limitação da convolução local na modelagem de defeitos de superfície em larga escala. A estratégia de computação interativa ciente de defeitos é projetada para garantir a agregação completa dos defeitos de superfície, percebendo pixels de segmentos altamente correlacionados aos defeitos de superfície. Além disso, uma perda desigual é introduzida para ponderar o erro de regressão dos pontos-chave estimados importantes, fortalecendo o foco do modelo em aprender as caixas delimitadoras altamente relacionadas aos defeitos de superfície durante o treinamento. A DAU-Net proposta é avaliada de forma abrangente em três conjuntos de dados de defeitos de superfície de diferentes domínios, alcançando melhor precisão de detecção com defeitos de superfície multi-morfologia em comparação com quatro métodos de ponta.
Liao et al. (Sun,) estudaram essa questão.