仪器仪表学报

作者：苑玮琦，丁志博

单位：苑玮琦,1.沈阳工业大学视觉检测技术研究所沈阳110870； 2.辽宁省机器视觉重点实验室沈阳110870,yuan60@126.com,丁志博,1.沈阳工业大学视觉检测技术研究所沈阳110870； 2.辽宁省机器视觉重点实验室沈阳110870,

关键词：板式换热器板片;微裂纹检测;小目标检测;DenseNet轻量化

针对板式换热器板片表面微裂纹检测任务中因浅层特征丢失导致识别精度受限的问题，提出了一种基于轻量化密集连接卷积网络(DenseNet)的检测方法。微裂纹作为一种单一类别、多尺度分布的线状小目标集群，其核心挑战在于空间细节特征的充分学习与保持。主要创新点包括：首先，建立了感受野与缺陷尺寸匹配的理论模型，推导出层级配置的数学公式，并基于实际工业场景中的波纹板缺陷特性进行了模型实例化；其次，设计了一种细节增强机制，通过禁用下采样操作以保留关键空间特征，并采用堆叠3×3小卷积核的策略渐进式扩展感受野，有效平衡了特征分辨率与语义抽象程度；最后，构建了一种缺陷实例级评估策略，以符合国家标准对微裂纹“存在性判定”而非尺寸测量的实际需求。在沈阳工业大学基准库1(SUT-B1)数据集上的实验表明，该方法取得了94.69%的平均精度和92.60%的F1分数，漏检3例和误检5例。其性能表现不仅优于基线模型及主流轻量化模型中的最优结果，即平均精度94.53%和F1分数87.85%，验证了DenseNet结构在特征复用方面的优势；同时也超过了对比实验中的最优平均精度94.56%和最优F1分数90.90%，证明了结构优化策略的必要性。该方法在工业检测领域具有实用性与可扩展性，为类似微小缺陷识别任务提供了新的技术思路。相关代码已公开于：https://github.com/zhuanzhaun/Lightweight-DenseNet。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期