摘要

基于视觉的表面缺陷检测在磁砖自动化生产过程中长期受到关注。本文提出一种实时、多模块神经网络模型——MCuePush U-Net，专门用于磁砖图像的显著性缺陷检测。实验结果表明，该模型在性能上超越现有最先进方法，能够有效且明确地从低对比度图像中识别多种表面缺陷。相较于传统方法，该模型将单张图像的检测耗时从0.5秒显著降低至0.07秒，同时大幅提升了表面缺陷检测的显著性识别准确率。