论文引用[1]唐凯,林宁,林振超,等.采用改进YOLOv9的X射线图像焊缝缺陷检测算法[J].华侨大学学报(自然科学版),2025,46(5)505-512.1. 研究目的存在的问题传统的检测方法效率低、结果受主观影响较大,不能满足对焊缝质量的准确评估需求。YOLO系列算法虽在精度上稍逊于FasterR-CNN算法,但体量小、速度快。在工业上更有竞争力。原文在工业焊缝检测中,以高实时性、低成本、强适应性和高鲁棒性更具竞争力,尤其适配高速生产线、边缘部署及复杂场景,能够平衡效率与精度,更贴合工业质检核心需求。已经存在的基础原文描述Wang 等基于YOLOv5的改进算法YOLO-MSAPF,实现对焊缝图像中各种缺陷的有效识别。李其鹏等 针对焊缝表面缺陷深度学习检测中误检率高、准确率低的问题,提出基于YOLOv7-tiny的改进算法。王合佳等在YOLOv8n算法的基础上引入GSConv、VoV-GSCSP模块以降低算法复杂度,提升对缺陷粗糙边缘的检测能力;使用轻量级上采样算子Carafe替代传统上采样,保留焊缝缺陷的更多细节特征;引入混合局部通道注意力(MLCA)机制,强调缺陷部位信息而抑制大面积母材背景信息,增强对小目标缺陷的特征提取能力。2. 算法设计2.1 YOLOv9算法YOLOv9算法依然遵从目标检测模型的经典三段式架构Backbone主干网络负责从输入图像中提取多尺度的特征GELAN是其核心构成。Neck颈部网络通过路径聚合网络PAN等方式融合来自不同层级的特征PGI在此环节提供辅助信息强化了多尺度特征的融合效果。Head检测头沿用无锚框Anchor-Free的检测方式直接预测目标类别和边界框。YOLOv9算法的框架核心是构建在可编程梯度信息PGI和广义高效层聚合网络GELAN这两大创新之上。可编程梯度信息 (PGI)这是一个辅助监督框架旨在保证训练时梯度信息的完整性避免信息碎片化。它主要由三个组件构成主分支负责最终的预测推理时仅使用此分支不增加额外计算成本。辅助可逆分支在训练时为主分支提供更可靠的梯度信息辅助学习。多层辅助信息整合不同层级的特征确保各尺度目标信息都被有效保留。广义高效层聚合网络 (GELAN)这是YOLOv9采用的网络结构。它结合了CSPNet和ELAN的优势其特点是参数利用率极高并且灵活支持不同的计算模块在保持轻量化的同时实现了高精度。2.2 YOLOv9s-GMS算法YOLOv9s-GMS算法将主干网络中前两层的标准卷积(Conv)替换为Ghost卷积,能够捕捉到目标的细微特征,有助于提高对小目标的特征提取能力;在主干网络中添加了单头自注意力(SHSA)模块该模块能够聚焦焊缝缺陷所在的区域,增强这些区域的特征表达,也能更好地理解焊缝缺陷的上下文信息,并且通过自适应地调整注意力权重,减少探测器噪声等对焊缝缺陷检测的干扰,从而提高模型在复杂背景下检测焊缝缺陷的鲁棒性。Ghost卷积通过廉价操作来生成神经网络中那些冗余但必要的特征图。不同于传统做法GhostConv采取先精炼使用较少的标准卷积生成一组通道数较少、但信息高度浓缩的固有特征图后变换在这组固有特征图的基础上应用一系列计算量极低的线性变换用很小的代价生成更多的幽灵特征图最后拼接。SHSASingle-Head Self-Attention即单头自注意力。SHSA模块将输入特征图的通道划分为两部分。一部分通道经层归一化后,通过线性投影生成查询(Q)、键(K)和值 (V);另一部分通道则被直接保留,不参与注意力操作。在利用SHSA模块后带来了精准聚焦缺陷区域增强上下文理解消除误检等好处。MSDCAMulti-Scale Dynamic Convolutional Attention即多尺度动态卷积注意力。动态卷积的核心是输入自适应——不同输入图像生成不同的卷积核参数。首先,通过自适应平均池化压缩空间信息,随后使用两个1×1卷积层构成的瓶颈结构生成输入自适应的卷积参数,经Tanh激活约束范围后,通过深度可分离卷积处理输入 特征,生成动态特征图。通道注意力分支。采用全局平均池化提取通道统计信息随后通过全连接层构成的瓶颈结构学习通道间依赖关系最后使用Sigmoid激活生成通道注意力图。空间注意力分支。首先,将动态特征与通道注意力图进行逐元素乘法融合随后通过7×7卷积提取空间上下文信息经批归一化和Sigmoid激活生成空间注意力图最终该空间图与原始输入通过逐元素乘法调制输出。MSDCA在YOLOv9中采用了双重嵌入策略主干网络Backbone末端嵌入MSDCA模块增强多尺度焊缝特征表达能力从源头提升特征质量。检测头特征融合后再次引入MSDCA强化小目标特征并进一步抑制探测器噪声。这种设计让MSDCA既参与特征提取也参与特征精炼形成端到端的协同增强。Shape-IoU损失函数。Shape-IoU损失函数是一种针对目标检测的边界框回归损失函数,通过 显式考虑目标自身的形状和尺度优化定位精度。​​​​​​​3.实验结果3.1 消融实验各模块单独使用均有提升但组合使用效果最佳。Shape-IoU显著降低Box_loss提升定位精度。GhostConv提升特征表达能力。SHSA单独使用时误检率上升但与其他模块协同后效果显著。MSDCA在多尺度场景中发挥关键作用。3.2 主流算法对比实验YOLOv9s-GMS在精度和召回率平衡上最优速度也处于前列。在GDXray外部验证集上mAP0.5为68.6%说明具有一定泛化能力。