26年WP材料物理 基于自监督学习的钢铁材料表面缺陷检测2.23-AI27.18全日(18451字).docx

I摘 要钢材是工业基础材料，其表面质量直接影响结构件的使用寿命。针对人工检测效率低、主观性强，传统深度学习方法依赖大量标注且对弱纹理、小尺寸缺陷识别效果不佳的问题，本工作结合 SimSiam 自监督算法与 YOLOv11-m 模型，构建了一个两阶段检测网络。以 YOLOv11-m 的骨干网络作为编码器，在无标注的钢材图像上基于SimSiam 框架进行 150 轮自监督预训练，使模型无监督地学习缺陷特征表达；随后通过权重迁移，在 NEU-DET 数据集上对预训练骨干进行微调，实现缺陷的定位与分类。以COCO 预训练模型为基线，实验结果表明，本文提出的自监督模型 mAP@50 达...