若水斋娜娜1. 工业质检混合架构设计背景
汽车发动机缸体质检属于典型的工业视觉高难度场景，需要同时解决三个核心矛盾：
- 检测精度与速度的矛盾：传统方案要么用高精度模型导致速度不达标（如纯Transformer），要么用快速模型导致精度不足（如纯YOLO）
- 缺陷尺度差异的矛盾：0.5mm砂眼和100cm²氧化层需要完全不同的特征提取策略
- 硬件成本与效能的矛盾：工业现场通常限制使用中低端GPU（如RTX 3060）
1.1 项目需求拆解
针对缸体检测的具体指标要求，我们进行了技术可行性分析：
| 指标类型 | 客户要求值 | 纯YOLOv26s实测 | 纯Swin-T实测 | 技术难点 |
|---|---|---|---|---|
| 砂眼漏检率 | <0.1% | 1.2% | 0.05% | 小目标特征提取 |
| 氧化层误检率 | <0.5% | 2.1% | 0.3% | 不规则大区域分类 |
| 单件检测延迟 | <2.5秒 | 1.8秒 | 8.2秒 | 计算资源分配 |
1.2 混合架构选型依据
基于上述分析，我们最终确定的方案组合：
-
YOLOv26s作为一级检测器
- 优势：快速定位潜在缺陷区域（640x640输入下可达120FPS）
- 改进：采用Focus+SPPF结构增强小目标检测能力
-
Swin Transformer Tiny作为二级分类器
- 优势：对裁剪后的ROI区域进行精细分类
- 改进：使用动态分辨率输入（根据ROI大小调整）
-
Java虚拟线程调度系统
- 优势：实现粗检→细检的流水线并行
- 关键：采用无锁队列管理检测任务
实际测试表明：当粗检召回率>99.9