基于改进YOLO11n的钢材表面缺陷检测算法
Abstract
在工业钢材生产过程中，钢表面缺陷检测对确保产品质量至关重要，针对钢材表面缺陷形状复杂、尺度不一、小目标缺陷检测困难等问题，提出一种基于改进YOLO11n的钢材表面缺陷检测算法。首先，设计了一种全新的高效多尺度卷积模块，在轻量化的同时增强多尺度特征表达能力，从而提升对不同种类缺陷的检测能力；其次，引入轻量级下采样模块，在缩小特征图尺寸时保留更多关键特征信息，降低模型的计算量；然后，设计了融合注意力机制的特征提取模块，增强模型对结构复杂缺陷区域的感知能力与判别能力；最后，采用基于动态非单调聚焦机制的损失函数Wise-IoU，降低低质量数据对模型精度的影响，提升对小目标缺陷的检测能力。实验结果表明，改进后算法的平均精度均值达到80.1%，相比原YOLO11n提升4百分点。同时，模型参数量和计算量较基准模型分别降低20.9%和17.5%，验证了所提算法的有效性，其能够满足钢材表面缺陷检测的实际需求。
Fields of Study & Subjects
Military Technology and Strategies
Legal and Regulatory Analysis
Linguistic
Cultural
and Literary Studies
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Publisher
- Shanghai Institute of Optics and Fine Mechanics
- Volume
- 63
- Issue
- 2
- Pages
- 0215009–0215009
- Publication date
- 1 January 2026
- Language
- EN