一种基于改进Swin-Transformer的刀具损伤智能定量检测方法

本发明提出了一种基于Swin‑Transformer的刀具损伤智能定量检测方法，首先对刀具图像分割数据集进行精细的像素级标注，构建实际直径与像素直径之间的比例尺。在训练过程中，通过引入刀具平均损伤带宽度损失，并结合SW‑MSA(移位窗口多头自注意力)模块，有效解决了传统自注意力机制在局部信息敏感性不足及对噪声敏感的问题。该技术能够高效处理来自不同空间区域的信息，更精准地捕捉目标任务特征，不仅增强了模型对刀具平均磨损带宽度特征的敏感度，还显著降低了计算成本。与现有方法相比，该技术不仅优化了多尺度特征的利用，降低了模型计算复杂度，且更加聚焦于刀具损伤的定量化检测目标，从而显著提升了检测性能，推动了刀具损伤智能检测领域的进一步发展。