仪器仪表学报

作者：赵海丽，狄子隆，景文博，宋明喆

单位：赵海丽,长春理工大学电子信息工程学院长春130022,,狄子隆,长春理工大学电子信息工程学院长春130022,,景文博,长春理工大学光电工程学院长春130022,wenbojing@cust.edu.cn,宋明喆,长春理工大学电子信息工程学院长春130022,

关键词：钢材表面缺陷检测;YOLOv11n;多尺度特征提取;可变形三元注意力机制;Shape-IoU

基金：某部靶场测试专项规划项目（2T-2018-06）资助

钢材表面缺陷的精准检测是工业质量控制的关键环节。尤其在机械制造、汽车工业、电子设备、航空航天及火炮深管等精密制造领域，其表面质量直接决定终端产品的安全性与可靠性。针对现有钢材表面缺陷检测方法中存在多尺度缺陷检测能力有限，小目标与低对比度缺陷漏检率高，边界框回归精度不佳等问题，提出了一种基于YOLOv11n改进的多尺度钢材表面缺陷检测方法。设计多尺度动态卷积，通过并行异构卷积与动态权重融合机制，增强模型对多尺度缺陷的捕捉能力；构建动态残差融合模块，以分组卷积与双重残差结构替换基线C3K2模块，在显著降低参数量的同时提升多尺度特征融合与梯度流通效率，缓解深层网络训练退化问题；改进可变形三元注意力机制，融合可变形卷积与跨维度交互，使注意力感受野随缺陷形态动态调整，精准聚焦微小、低对比度区域，抑制复杂背景干扰；采用Shape-IoU损失函数，通过引入形状与尺度因子优化边界框回归精度，解决传统CIoU在宽高比一致时惩罚失效的问题。在NEU-DET数据集上的实验结果表明：改进模型的mAP@0.5达到81.9%，相比基线YOLOv11n提升了6%，参数量仅为2.3M，计算量降至5.9GFLOPs，满足边缘设备部署需求。泛化实验在GC10-DET数据集上较基线模型提升4.1%。可视化分析与泛化性实验进一步验证了其在复杂工业场景下的鲁棒性与实用性。

来源：2025年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第12期