LPCAN：基于 RGB-D 数据的轻量级金字塔交叉注意力网络用于钢轨表面缺陷检测

本文解决了当前基于视觉的钢轨缺陷检测方法的局限性，包括计算复杂度高、参数量过多以及精度欠佳。我们提出了一种轻量级金字塔交叉注意力网络，利用 RGB-D 数据进行高效且准确的缺陷识别。该架构以 MobileNetv2 作为 RGB 特征提取的主干网络，结合用于深度处理的轻量级金字塔模块（LPM），并辅以用于多模态融合的交叉注意力机制（CAM）和用于增强结构分析的空间特征提取器（SFE）。在三个无监督 RGB-D 钢轨数据集（NEU-RSDDS-AUG、RSDD-TYPE1、RSDD-TYPE2）上的综合评估表明，LPCANet 仅以 990 万参数、2.50 G FLOPs 和 162.60 fps 的推理速度实现了 SOTA 性能。与 18 种现有方法相比，LPCANet 表现出显著提升，包括 $S_{\alpha}$ 提升 1.48%，IOU 提升 0.86%，MAE 优于最佳基线 1.77%。消融实验证实了 CAM 和 SFE 的关键作用，而在非钢轨数据集（DAGM2007、MT、Kolektor-SDD2）上的实验验证了其泛化能力。所提出的框架有效弥合了传统方法与深度学习方法，为工业缺陷检测提供了重要的实用价值。未来的工作将专注于进一步压缩模型以实现实时部署。