복잡한 배경 간섭이나 기어의 미세한 결함 영역 처리에서 기존 분할 모델이 특성 표현 능력 한계와 견고성 부족 문제에 직면한 것을 해결하기 위해, 본 논문에서는 다중 스케일 특성 융합 및 블록 주의 기반 분할 네트워크를 제안하여 기어 시각 특성의 표현 능력과 작은 결함 탐지 성능을 향상시켰다. 우선, UNet 인코더의 표준 다운샘플링 모듈을 다중 스케일 특성 강화 모듈로 대체하여 병렬 다중 분기 합성곱 구조를 통해 다중 스케일, 다중 방향 특성을 협력적으로 추출하여 국부 세부사항과 전체 컨텍스트 인식 능력을 향상시켰다. 둘째, 다운샘플링 후에 블록 특성 집중 모듈을 도입하여 블록 다중 헤드 주의 메커니즘을 활용해 국부 영역을 독립적으로 분석함으로써 미세 결함과 국부 텍스처 차이에 대한 모델 감도를 크게 향상시켰다. 마지막으로, Dice 손실, BCE 손실, 그래디언트 차이 제약을 결합한 가중치 결합 손실 함수를 설계하여 클래스 불균형 문제를 완화하고 분할 경계 품질을 최적화하였다. 자체 구축 및 공개된 기어 결함 데이터셋에서의 실험 결과는 제안된 모델이 다중 유형의 기어 결함 분할 작업에서 UNet 및 기타 최신 모델보다 우수한 성능을 보였으며, 정밀도는 각각 91.27%, 85.88%에 달했다. 이 방법은 기어 표면 결함의 정밀 분할 탐지에 있어 유효성과 실시간성을 갖춘 것으로 나타났다.

표면 결함 감지;이미지 분할;UNet;블록 주의;기어