面向钢铁工业难检表面缺陷的轻量化半监督蒸馏框架DFSSD研究

本文提出轻量化半监督蒸馏框架DFSSD（Deep Feature-aware Semi-Supervised Distillation），创新性融合半监督学习（SSL）与知识蒸馏（KD），通过尺度平衡IoU定位机制、层级感知通道蒸馏（LACD）和双级自适应阈值（DLAT）策略，在仅30%标注数据下实现与全监督模型相当的检测精度（0.856），同时将参数量从11.13M压缩至3.01M，成功应用于冷轧钢板产线实时检测。

　　

Highlight核心成果

1. 1.

   提出尺度平衡IoU原则，通过动态调整不同尺度缺陷的权重系数，显著提升复杂背景下微小夹杂物、浅凹痕等难检缺陷的定位精度（较传统方法提升23.6%）。

2. 2.

   开发层级感知通道蒸馏(LACD)技术，通过逐层筛选教师网络通道特征中的语义线索（如微裂纹的纹理模式），实现73%的参数量压缩同时保留关键缺陷特征。

3. 3.

   首创双级自适应阈值(DLAT)伪标签生成机制：全局阈值动态跟踪模型置信度分布（EMA平滑），类特定阈值则根据缺陷类型动态调整（如微坑的阈值比划痕低15%），使低置信度但信息丰富的样本利用率提升41%。

Conclusions结论

DFSSD框架通过SSL与KD的协同设计，在CR7-DET数据集上验证了其处理稀疏标注数据（30%标签）和难检缺陷的优越性。实际部署中，该框架在2ms内完成单帧检测，满足高速轧制产线≤5ms的实时性要求，为工业质检提供了"高精度-低功耗-易部署"的解决方案。