改进RT-DETR模型的刨花板缺陷实时检测方法OA

【目的】提出一种高精度、高效率且适用于工业实际场景的刨花板表面缺陷检测方法,以解决当前刨花板生产中传统检测方法漏检率高、检测速度慢及复杂缺陷识别能力不足的问题,实现缺陷检测准确性与实时性的双重优化。【方法】以RT-DETR-r18为基准,用控制变量法开展消融试验,验证ECG-CFNet、FSA、MPCA 3大模块有效性;替换Swin Transformer和VanillaNet等主流轻量化主干网络,对比其训练效果;与SSD、Faster-RCNN、YOLO系列及原始RT-DETR对比,验证改进模型优越性;选取mAP@50、GFLOPs等关键指标,结合性能曲线、PR曲线及可视化结果,全面评价模型检测精度、效率及工业适配性。【结果】在标准缺陷图像数据集上的对比试验结果表明,所提出的改进算法在平均检测精度(mAP@50)方面达到91.9%,较原始RT-DETR-r18模型提升了2.9%;同时,模型的参数量和计算复杂度均有所下降,表明在保障检测精度提升的同时,检测效率也得到优化。在裂纹、刨花和黑斑等典型缺陷类型的检测中,改进模型均表现出更高的识别率和更低的误报率。【结论】改进后的RT-DETR算法在保持较低计算资源消耗的前提下,显著提升了刨花板表面缺陷检测的精度和实时性,具备较强的工业可部署性和应用前景。