Para realizar a detecção automática e rápida e a classificação de panelas cilíndricas metálicas com alta reflexão, e resolver o problema técnico atual da baixa velocidade e eficiência na detecção de defeitos na superfície das panelas metálicas, foi introduzida uma rede de fusão de características bidirecional baseada na rede YOLOX, propondo um modelo de rede de fusão de características leve baseado em mecanismo de atenção para alcançar um design leve do modelo computacional; ao mesmo tempo, por meio do módulo do mecanismo de atenção, as informações das características são aprendidas nos canais e no espaço, aliviando efetivamente a lacuna semântica das características em múltiplas escalas e melhorando a precisão da detecção do modelo; considerando a distribuição desequilibrada de pesos de aprendizado da rede para amostras fáceis e difíceis, foi projetada uma função de perda de classificação baseada em fator de decaimento; utilizando um conjunto de dados de defeitos na superfície cilíndrica da panela metálica, foram realizados experimentos comparativos da rede de fusão de características, experimentos comparativos da função de perda de classificação e experimentos de ablação da posição do módulo do mecanismo de atenção. Os resultados experimentais mostraram que o modelo fundido com o mecanismo de atenção pode reconhecer efetivamente seis diferentes tipos de defeitos, com precisão média de detecção mAP_0.5 alcançando 90,92%, taxa de detecção de 30,84 quadros/s, realizando o reconhecimento e localização rápida e de alta precisão dos defeitos na superfície cilíndrica da panela metálica.

visão computacional;piramide de características;mecanismo de atenção;defeitos na superfície metálica