WTAYOLO: A Detection Model for Weak Scratches on Metal Surfaces
一句话看懂WTAYOLO 用于发现反光锂电池表面上的微弱划痕：光度立体成像降低表面反射带来的干扰，WTAConv 模块强化划痕特征，在不增加参数量的情况下 mAP50 达到 86.8%。
问题背景
锂电池表面的划痕会影响电池的电化学性能和运行安全，必须在质检中发现。在高反光金属上，这件事很难：铝合金反光强烈，对光照极其敏感；浅划痕深度小、轮廓模糊，与周围表面的对比度极低。划痕的位置随机、形状不规则，很多与表面本身看起来非常相似。
光度立体在多个方向的光照下对表面成像，无需复杂的激光设备即可获得细致的表面形貌信息，适合检测反光金属上的细小划痕。算法方面，U-Net 类网络广泛用于缺陷分割，YOLO 网络速度快、精度高。作者指出，把 YOLO 分割用于金属划痕的研究很少，而在精度、模型大小和实时性之间取得平衡仍有困难。本文以 YOLOv11n 为基线，构建划痕分割模型 WTAYOLO，输入为光度立体图像。
方法原理
WTAYOLO 保留 YOLOv11n 的结构，把其中的 C3K2 模块替换为 C3K2-WTAConv。每个瓶颈结构中加入一种新的卷积 WTAConv，它将小波变换卷积（WTConv）与 CBAM 注意力模块结合起来。
- 光度立体图像。 用光度立体系统对金属表面成像，降低表面反射的干扰，使划痕显现出来。
- 小波卷积扩大感受野。 WTConv 用二维 Haar 小波变换把输入分解为一个低频分量和三个高频分量，对各分量施加小卷积核，再用逆变换重建输出。按两级重复，就能在参数仅按对数增长的情况下获得大感受野，避免大卷积核带来的参数激增。
- 通道与空间注意力（CBAM）。 小波卷积的输出经过 CBAM。通道注意力对特征图做全局平均池化和最大池化，两个描述子经共享 MLP 后为每个通道加权；空间注意力沿通道轴池化，经 7×7 卷积后为每个位置加权。这样强化重要特征、抑制背景。
- 分割。 改进后的主干和颈部网络接 YOLOv11 的分割头，输出划痕掩膜。
实验结果
实验平台是一套光度立体系统，由 OPT 相机（IMX183 传感器，5472×3648）、35 mm OPT 镜头和 OPT 环形光源组成（表 1）。作者用它采集了 566 张带划痕的金属板图像，分辨率 1200×1200，由专家进行像素级标注，其中 510 张用于训练、56 张用于验证。所有模型使用相同的训练参数。
对比方法包括 Otsu 阈值法、U-Net、YOLOv5n、YOLOv8n 和 YOLOv11n。在作者给出的示例中，Otsu 法无法抑制背景噪声，划痕被噪声淹没；U-Net 部分克服了背景干扰，但会漏检低对比度划痕，结果不完整；YOLO 网络能抑制背景并利用多尺度信息，而 WTAYOLO 对微弱划痕的分割效果最好。WTAYOLO 的精确率（0.942）和召回率（0.736）也都最高。
在模型规模上，WTAYOLO 的参数量比 YOLOv8n（3.258 M）少 16.3%，比 YOLOv11n 少 3.8%；加入注意力只增加 0.003 M 参数。相比之下，更大的 YOLOv11s 用 10.067 M 参数和 35.3 GFLOPs 只达到 0.841 的 mAP50。额外模块会增加耗时：WTAYOLO 每张图需要 20.9 ms，YOLOv11n 为 14.5 ms（表 3）。作者认为这仍满足工业检测的时间要求，并将优化算法、实现实时检测列为后续工作。
引用
@inproceedings{xie2024wtayolo,
title={WTAYOLO: A Detection Model for Weak Scratches on Metal Surfaces},
author={Xie, Weijin and Pan, Wei and Li, Simi and Zeng, Qi and Li, Huayong},
booktitle={Proceedings of the 2024 7th International Conference on Sensors, Signal and Image Processing},
pages={22--28},
year={2024},
doi={10.1145/3725949.3725956}
}