一种基于注意力机制与改进UNet网络的带钢表面缺陷检测方法

本发明公开了一种基于注意力机制与改进UNet网络的带钢表面缺陷检测方法，涉及工业图像处理领域，旨在解决传统检测方法在缺陷定位精度、多尺度特征融合及类别不均衡问题上的不足。技术方案采用改进的UNet网络架构，具体包括：在编码阶段，设计UELAN特征提取模块以提升参数效率；引入坐标注意力机制（CA）增强对缺陷区域的聚焦能力；结合空洞空间金字塔池化模块（ASPP）捕获多尺度高层语义特征。在解码阶段，集成卷积块注意力机制（CBAM），动态优化通道与空间特征融合。此外，提出组合损失函数，融合焦点损失和Dice损失，并结合标签模糊化策略缓解边界不确定性问题，同时通过加权交叉熵应对类别不均衡。本发明实现了带钢表面缺陷的高精度像素级分割。