RSD-DETR:多尺度特征融合的轻量化钢轨表面缺陷检测模型OA

针对钢轨表面缺陷检测中模型参数量大、多尺度特征融合受限以及小尺度缺陷检测能力不足的问题,提出一种基于改进RT-DETR的钢轨表面缺陷检测模型RSD-DETR。设计级联分组残差模块,通过级联分组注意力重构倒残差移动结构,在降低参数量与计算复杂度的同时增强跨组特征的表达能力。构建小目标感知多尺度特征融合模块,通过细粒度特征保留与跨尺度语义融合提升模型对小尺度缺陷的检测性能。设计RetBlockC3模块,结合曼哈顿自注意力机制及其分解形式实现局部细节与全局语义的协同建模,并加快模型的实时推理速度。提出FocalerShapeIoU边框回归损失函数,通过形态约束与样本重加权机制提升模型对困难样本的定位精度。实验结果表明,RSD-DETR在自建钢轨表面缺陷数据集上的mAP@0.5达到90.5%,相较于基准模型,推理速度提升了31.1%,参数量与计算量分别降低了27.9%与26.3%,能够满足钢轨表面缺陷检测的工程应用需求。