Pour réaliser la détection et le tri automatique et rapide des casseroles métalliques cylindriques à surface réfléchissante élevée, et résoudre le problème technique actuel de lenteur et de faible efficacité de la détection des défauts de surface des casseroles métalliques, un réseau de fusion bidirectionnelle des caractéristiques a été introduit sur la base du réseau YOLOX, un modèle de réseau de fusion des caractéristiques léger basé sur un mécanisme d'attention a été proposé pour réaliser une conception légère du modèle de calcul ; en même temps, grâce au module du mécanisme d'attention, l'apprentissage des informations des caractéristiques est effectué à la fois sur les canaux et l’espace, ce qui atténue efficacement le fossé sémantique des caractéristiques multi-échelles et améliore la précision de détection du modèle ; en tenant compte de la répartition déséquilibrée des poids d’apprentissage des échantillons difficiles et faciles dans le réseau, une fonction de perte de classification basée sur un facteur d'atténuation a été conçue ; en utilisant un ensemble de données de défauts de surface de cylindres métalliques, des expériences comparatives sur le réseau de fusion des caractéristiques, la fonction de perte de classification et la position du module du mécanisme d'attention ont été effectuées. Les résultats expérimentaux montrent que le modèle fusionné avec le mécanisme d'attention peut efficacement reconnaître six types différents de défauts, avec une précision moyenne de détection mAP_0.5 atteignant 90,92%, un taux de détection de 30,84 images/seconde, réalisant une reconnaissance et localisation rapide et haute précision des défauts de surface des cylindres métalliques.

vision par ordinateur;pyramide de caractéristiques;mécanisme d'attention;défauts de surface métallique