لحل مشكلة القدرات المحدودة في التعبير الميزة وقلة المتانة التي تواجه نماذج التقسيم التقليدية عند التعامل مع الخلفيات المعقدة أو مناطق العيوب الدقيقة في التروس، تقترح هذه الورقة شبكة تقسيم تعتمد على دمج الميزات متعددة المقاييس والانتباه بالمربعات لتعزيز قدرات تمثيل الميزات البصرية للتروس وأداء الكشف عن العيوب الدقيقة. أولاً، تم استبدال وحدة التنقيص القياسية في مشفر UNet بوحدة تعزيز الميزات متعددة المقاييس التي تعتمد على هيكل تلافيفي متعدد الفروع المتوازي لاستخلاص الميزات متعددة المقاييس والاتجاهات بشكل تعاوني، مما يعزز القدرة على إدراك التفاصيل المحلية والسياق العام؛ ثانياً، بعد التنقيص، تم إدخال وحدة تركيز الميزة المقطعية باستخدام آلية الانتباه متعدد الرؤوس المقطعة لتحليل المناطق المحلية بشكل مستقل، مما يعزز حساسية النموذج تجاه العيوب الدقيقة والفروق النسيجية الموضعية بشكل كبير؛ وأخيراً، تم تصميم دالة خسارة مشتركة موزونة تضم خسارة Dice، وخسارة BCE، وقيود الفرق التدرجي لتخفيف مشكلة عدم توازن الفئات وتحسين جودة حدود التقسيم. أظهرت نتائج التجارب على مجموعات بيانات العيوب الخاصة والعامة أن النموذج المقترح يتفوق على UNet والنماذج المتقدمة الأخرى في مهام تقسيم عيوب التروس المتعددة الأنواع، حيث بلغت دقة الكشف 91.27٪ و 85.88٪ على التوالي. تُظهر هذه الطريقة فعالية ووقت استجابة مناسبين في الكشف الدقيق لتقسيم عيوب سطح التروس.

الكشف عن عيوب السطح;تقسيم الصور;UNet;الانتباه المقطعي;التروس