东北大学数字钢铁全国重点实验室徐伟教授团队JMI最新研究论文 | 自监督学习在钢材表面缺陷检测中的应用

本研究背景在于工业生产中钢铁材料表面缺陷检测的重要性，传统方法依赖大量人工标注数据且效率低下。研究目的是提出一种基于自监督学习的新方法，减少对人工标注的依赖，提高检测效率和准确性。研究采用SimSiam模型和Faster R-CNN框架，通过NEU和SSDD数据集进行实验验证。结果表明，自监督学习能有效提升检测性能，SSDD-200e权重表现最优，mAP达到0.385，超过ImageNet预训练的ResNet18。结论指出该方法为工业缺陷检测提供了高效解决方案，未来将优化预训练策略并融合更多数据集以进一步提升性能。