一种基于深度学习的X射线焊缝图像缺陷检测方法

本发明提供了一种基于深度学习的X射线焊缝图像缺陷检测方法，包括图像预处理、构建改进的目标检测神经网络及缺陷检测步骤。通过引入InceptionV3模块替换主干结构中的ELAN模块以提取多尺度特征，设计基于SimAM的SELAN模块优化颈部结构以降低计算复杂度，以及在主干与颈部间设置CSCAM模块平衡通道‑空间‑坐标注意力权重。该方法解决了传统检测中人工效率低、模型对小目标和复杂背景适应性差的问题，实现了平均精度(mAP)高于98％、漏报率小于2％的检测性能，适用于特种设备焊缝缺陷的自动化检测。