基于YOLOv5与Swin-Unet的带钢缺陷检测技术实践

1. 带钢缺陷检测的工业挑战与技术选型

在钢铁制造领域，带钢表面缺陷检测一直是个棘手问题。传统人工检测方式每小时需要处理长达数千米的带钢，工人肉眼检查不仅效率低下，漏检率普遍高达30%-40%。我曾参与过某大型钢企的质检车间改造项目，亲眼见过老师傅们需要连续8小时盯着高速移动的钢带，这种工作模式对视力损伤极大。

当前工业界主要存在三类技术路线：

1. 传统机器视觉：基于OpenCV的边缘检测+特征工程方案，对光照敏感且泛化能力差
2. 经典深度学习：采用Faster R-CNN等两阶段检测器，检测速度难以满足产线实时性要求
3. 端到端方案：以YOLO系列为代表的单阶段检测器，在速度与精度间寻求平衡

经过实测对比，YOLOv5s在Tesla T4显卡上可实现140FPS的推理速度，完全满足产线3-5m/s的带钢移动速度需求。而swin-Unet的引入则解决了小目标缺陷（如划痕、针孔）的识别难题——其窗口注意力机制对微米级缺陷的特征提取能力，比传统U-Net提升约12.5%的mAP。

2. 系统架构设计与核心模块实现

2.1 硬件部署拓扑

典型的产线部署采用"边缘计算+中心管理"模式：

• 边缘侧：Intel NUC工控机（i7-1260P+RTX A2000）负责实时推理
• 采集端：Basler ace 2系列线阵相机（12k分辨率@5kHz）
• 传输层：千兆光纤网络保证图像低延迟传输
• 中心服务器：Dell R750xa GPU服务器用于模型训练与数据存储

2.2 软件技术栈

python复制# 核心依赖库版本
torch==1.13.1+cu117  # 必须匹配CUDA版本
torchvision==0.14.1
pyqt5==5.15.7 
onnxruntime-gpu==1.14.0  # 用于模型部署

2.3 双模型协同机制

系统采用级联检测策略：

1. 第一级：YOLOv5s快速定位缺陷区域（输入分辨率640x640）
2. 第二级：swin-Unet对ROI区域做像素级分割（输入分辨率256x256）
3. 结果融合：采用NMS加权融合算法，公式如下：
   $$ S_{final} = α·S_{yolo} + (1-α)·S_{unet} $$
   其中α=0.6时在测试集上