基于改进FCOS的表面缺陷检测算法与应用研究

在工业应用场景中，单阶段（one-stage）目标检测算法相较于两阶段（two-stage）方法更受工程人员青睐，这背后的逻辑十分清晰——速度与性能之间的平衡始终是落地部署的核心考量。当前主流的单阶段模型大致可归为两类：基于锚框（anchor-based）与无锚框（anchor-free）方法。

FCOS属于无锚框阵营，但其实现逻辑与基于关键点检测的方案有所不同。严格来说，它与基于锚框的方法在思想上更为接近。有趣的是，FCOS在完全不依赖预设锚点框的前提下，凭借一系列精巧的设计，反而取得了更优异的效果。本文要介绍的，正是一个基于改进FCOS的钢带表面缺陷检测算法，目标是切实提升产线上的缺陷检测效率。

01 引言

钢带是钢铁产业的关键产品，应用范围极为广泛。然而，受制于设备与工艺的限制，钢带表面常出现划痕、裂缝等缺陷，既影响外观，也损害使用性能。因此，在生产线上准确、高效地检出这些缺陷，对保障产品质量具有重要意义。

目前常用的钢带缺陷检测手段主要有三种：人工肉眼检测、漏磁检测，以及基于计算机视觉的方法。人工检测的结果高度依赖检验员的主观状态，实时性差，误检率居高不下。漏磁检测技术相对成熟，但不同缺陷类型对该方法的敏感度差异显著，漏检现象并不少见，且应用条件限制较多，难以大规模复制。随着深度学习技术的快速发展，基于计算机视觉的检测方案凭借智能化、高实时、高精度和高可靠性等优势，为钢带缺陷检测开辟了新路径。王等人曾提出一种融合多级特征的Faster R-CNN算法，有效应对了钢带表面缺陷多样且随机的问题。

戴等人则设计了基于改进Faster R-CNN的算法，专门解决工件表面缺陷检测中精度不足、适用性窄的痛点，效果相比传统方法有了质的飞跃。李等人改进的YOLOv3算法，通过加权K-means聚类来设计检测框参数，提升先验框与特征层的匹配度，并增加残差单元和大尺度特征图输出，显著增强了算法对缺陷的识别能力。

刘等人进一步改进了YOLOv4，采用轻量级MobileNetV3作为特征提取网络，在提升检测速度的同时保证特征提取能力，并设计了多尺度损失函数，有效缓解了正负样本不平衡导致的检测效果下降问题。这些努力在保证速度的前提下，确实将精度提升到了新高度。

但话说回来，上述算法均基于Anchor-based模型——即需要先人为预设一组检测框，再由模型输出微调参数，反算最终结果。这意味着预设框的尺度和形状直接影响训练效果。而且这些预设参数与输入数据紧密相关，模型设计高度依赖设计者对先验知识的理解，泛化能力难免受限。

针对这些传统难题，本文提出了一种基于改进FCOS的钢带表面缺陷检测算法。核心思路是直接回归检测框参数，而非微调预设框，从而避免引入先验知识导致的泛化能力瓶颈。模型采用含形变卷积的卷积神经网络来提取特征，增强了特征提取效果；还通过关键点特征融合方式丰富检测分支的输入，强化了模型检测能力；并利用中心采样策略来精选训练样本，优化训练过程。最终，该改进算法在东北大学钢带表面公开数据集上取得了74.0%的平均检测精度（mAP），检测速度达到31.4 FPS，完全满足当前工业生产需求。

02 FCOS模型结构

FCOS的整体结构如图1所示。流程十分清晰：先用深度卷积网络提取输入图像的特征图，然后分别通过分类网络、回归网络和中心度网络，对特征图上的每一个特征点进行逐点检测。分类网络负责判断以该特征点为中心的区域内是否存在缺陷以及属于什么类别；回归网络负责给出缺陷的预测边界框；而中心度网络则输出该特征点位于目标中心区域的概率，从而有效抑制那些偏离中心、质量低下的检测框。

定义符号：令 \(F_i \in \mathbb{R}^{H \times W \times C}\) 为第 \(i\) 层特征图，\(s\) 为该层的总下采样倍率。输入图像中的真实检测框为 \(\{B_i\}\)，其中 。这里 分别是真实框的左上角和右下角坐标，\(c^{(i)}\) 是缺陷类别，\(C\) 为总的缺陷类别数。对于特征图 \(F_i\) 上的位置 \((x, y)\)，它在输入图像上的映射位置大约是 。与Anchor-based方法对预设框做微调不同，FCOS直接在这里回归检测框——它是把特征点本身当作训练样本，而非生成的检测框。具体来说，如果 \((x, y)\) 这个特征点落在某个真实框中心区域内，并且它的类别标签 \(c^*\) 等于真实框类别，那么这个特征点就被当作正样本，否则它就是背景类负样本（即 \(c^*=0\)）。此外，网络还会输出一个4维向量 \(t^* = (l^*, t^*, r^*, b^*)\)，分别表示特征点到真实框四条边的距离。

基于特征点的缺陷检测，本质上可以看作是对以该特征点为几何中心的矩形感受野进行缺陷判断。所以当特征点离目标中心很远时，它的感受野可能无法完整覆盖目标，基于这类特征点检测就容易产生大量低质量的框。为了解决这个问题，FCOS引入了“中心度”的概念，让中心度分支来抑制这种低质量框。
给定 \(l^*, t^*, r^*, b^*\)，中心度的监督信号定义如下：

（1）
中心度取值范围在0到1之间，训练时使用交叉熵损失。测试时，特征点对应缺陷类别的最终得分就是分类分数乘以中心度。这样一来，那些远离目标中心的边界框得分就会被压低，在后处理的NMS过程中被顺利滤除，显著提升整体检测性能。

03 FCOS的改进

3.1 形变卷积

传统的CNN由卷积层和池化层构成，其采样区域是固定尺度的，意味着同一个CNN模块里每个激活单元的感受野形状和大小都一样。然而，现实世界中不同位置的物体，尺度和形状千差万别。当物体与感受野不匹配时，固定感受野的CNN很难充分提取特征（见图2）。为此，本文引入了形变卷积模块来增强深度网络的特征提取能力。

图2. 3×3卷积感受野（红色为常规卷积，黄色为形变卷积）
常规卷积有两步：第一步，在输入特征图 \(x\) 上对矩形网格 \(R\) 区域采样；第二步，用权重 \(w\) 加权求和。\(R\) 定义了感受野的大小和膨胀比例，比如 \(R=\{(-1,-1),(-1,0),\cdots,(0,1),(1,1)\}\) 就是膨胀比例为1、大小3×3的卷积核。对于输出特征图 \(y\) 上的每个点 \(p_0\)，有：

（2）
其中 \(p_n\) 是 \(R\) 上每个点的坐标。在形变卷积中，矩形网格 \(R\) 被替换为偏移量 \(\{\Delta p_n | n=1,\cdots,N\}\)，\(N=|R|\)，于是计算变为：

（3）
这时采样点变成不规则的，基于偏移量 \(p_n + \Delta p_0\)。由于偏移量通常不是整数，公式（3）中的 \(x(p_0 + p_n + \Delta p_n)\) 需要借助双线性插值来实现：

（4）
其中 \(q\) 是输入特征图上的整数坐标点，\(G(\cdot,\cdot)\) 是双线性插值核函数。由于 \(G(\cdot,\cdot)\) 是二维的，可以拆成两个一维核函数的乘积：

（5）

如图3所示，采样点的偏移量是通过在同一个输入特征图上增加一个旁路卷积来得到的。这个旁路卷积核的尺度和膨胀比率与当前卷积层一致，输出的偏移量图空间分辨率不变，通道数则是输入特征图的两倍（对应x和y两个方向）。训练时，用于生成输出特征的卷积核和偏移量是同时学习的，梯度通过公式（4）和（5）反向传播。

图3. 形变卷积网络

3.2 关键点特征融合

在FCOS中，检测是围绕单个特征点进行的，即以该点对应的矩形感受野为判断依据。但问题在于，缺陷的尺度和形状五花八门，特征点又是通过简单空间映射计算出来的，感受野和缺陷区域之间很可能对不上，导致检测性能受损。

针对这个痛点，本文提出了关键点特征融合的方法：将原本基于单个特征点的检测，扩展为基于一组关键点来做。用一组关键点来共同描述缺陷特征，而不是单个点，这样输入网络的信息更丰富，检测表现自然就更好了。

如图4所示，左图是单个特征点检测，输入检测网络的只有该点感受野的信息；右图是关键点集合检测，输入的是多个关键点感受野的融合信息。显然，关键点集合能提供更全面的缺陷信息，更容易完成精准检测。

图4. 单个特征点 vs 关键点集合（红色矩形为特征点，黄色为感受野）
关键点集合的生成和融合，同样用到了DCN。如图5所示，先通过1×1卷积生成2k个需要融合的关键点坐标，再用双线性插值提取这些关键点对应的特征，最后用1×1卷积融合这些特征，并与原始特征点特征合并，作为检测网络的输入。

图5. 关键点集合生成与融合

3.3 中心采样策略

在原始的FCOS实现中，只要特征点在原图上的映射点落在标注框内部，它就被当作正样本。但问题在于，标注框内部靠近边缘的部分往往还是背景。把这些本应属于负样本的点当成正样本，对模型学习来说，纯属添乱。

为了解决这个问题，本文采用了中心采样策略来筛选正样本（如图6所示）。做法是：以标注框中心为圆心，取一个比标注框更小的圆形区域。只有映射点落在该圆形区域内的特征点才被视为正样本。这样一来，那些落在框边缘实际属于背景的特征点，就被正确地识别为负样本了，有助于模型学到更干净的特征。在本文改进的模型中，中心采样区域的直径被设为标注框短边的0.75。

图6. 中心采样（落在绿色圆环内的为正样本，反之为负样本）

04 实验结果与分析

为了验证模型的有效性和优越性，我们在东北大学的NEU-DET数据集上进行了实验。

4.1 NEU-DET数据集

NEU-DET数据集由东北大学宋克臣团队制作，专用于钢带表面缺陷检测。它包含6种缺陷类别：裂纹（Crazing）、夹杂（Inclusion）、斑块（Patch）、点蚀表面（Pitted Surface）、轧制氧化皮（Rolled-in Scale）和划痕（Scratch）。每种缺陷有300张分辨率为200×200的灰度图，总计1800张。数据集还提供了每张图对应的XML标注文件，涵盖缺陷类别和边界框信息（左上角、右下角坐标），共计4189个边界框。图7展示了6类缺陷的示例样本。

图7. NEU-DET数据集缺陷样本示例

4.2 评价指标

实验采用COCO数据集的标准评价指标，包括mAP、AP50、AP75、APS、APM、APL。COCO指标根据模型输出的类别和检测框与真实框的交并比（IoU）来判断是否正确检测。AP50和AP75分别对应IoU阈值为0.5和0.75时的检测精度——阈值越高，要求越严苛。mAP则是IoU从0.5到0.95的平均精度。APS、APM、APL分别代表小、中、大目标的检测精度。在COCO定义中，面积小于322的为小目标，大于322小于962的为中目标，大于962的为大目标。

4.3 实验结果

硬件配置为GTX1080Ti，软件环境CUDA10.1、Cudnn7.6.4。训练时每批次8张图，使用带动量的随机梯度下降优化，学习率0.2，动量0.9，权重衰减0.0001，每个模型共训练36轮。实验结果如图8和表1所示。

图8. 改进FCOS模型检测结果（上图为真实标注，下图为模型输出）
为验证改进效果，我们在多个主流模型上进行了对比实验，结果如表1。可以看出，改进FCOS在NEU-DET上的各项指标均优于其他主流模型。特别值得一提的是AP75和APS指标，改进FCOS相比主流模型提升巨大：相对于Faster R-CNN，AP75提升11.8%，APS提升16.1%；相对于YOLOv3，AP75提升22.1%，APS提升25.8%。改进FCOS在完全不依赖先验知识预设检测框的情况下，不仅实现了高精度检测，还大幅提升了对小尺度缺陷的检测能力，这充分证明了Anchor-free方法在缺陷检测领域的应用价值。

表1. 各类缺陷检测模型实验结果对比

05 总结

针对钢带表面缺陷检测这一工程难题，本文提出了一种基于改进FCOS的检测算法。核心是直接用回归的思路来获取检测框，避免了引入先验知识导致的模型性能波动和泛化能力下降。在特征提取环节，形变卷积的使用让网络对不同尺度、不同形状的缺陷特征提取能力更强。在检测环节，关键点特征融合丰富了输入信息。而在训练阶段，中心采样策略有效提升了正样本的质量，优化了训练效果。最终，改进FCOS在NEU-DET数据集上mAP达到74.0%，检测速度31.4 FPS，并且在检测精度和小目标检测能力上大幅领先主流算法。这不仅验证了Anchor-free思想在缺陷检测领域的潜力，也为后续的缺陷检测模型设计提供了全新的思路。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于改进FCOS的表面缺陷检测算法与应用研究要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题