钢铁研究学报

作者：马俊杰¹, 张继红¹, 王强², 刘文广³, 吴振奎¹

单位：1.内蒙古科技大学自动化与电气工程学院,内蒙古包头014010;；2.包头威丰新材料有限公司设备处,内蒙古包头014020;；3.内蒙古科技大学机械工程学院,内蒙古包头014010

关键词：缺陷检测,轻量化YOLOv11,P-GELAN_CAA,SCDown,损失函数

基金：内蒙古自治区重点研发与成果转化资助项目(2022YFHH0019);内蒙古自治区科技攻关大平台建设资助项目(2023PTXM001)

钢铁行业是我国的支柱产业,钢材的质量是影响钢材性能与价格的关键。针对带钢表面缺陷检测存在精度差、效率低以及模型结构复杂等问题,提出一种基于YOLOv11的轻量化带钢表面缺陷检测算法(PSN-YOLO)。首先设计P-GELAN_CAA特征提取-融合模块,基于广义高效层聚合网络(GELAN)引入多尺度卷积(PSConv)处理多尺度信息、优化参数利用率,并融合上下文锚点注意力 (CAA)增强特征表示;其次,选取轻量高效的SCDown下采样以扩大感受野,减少信息损失,降低模型复杂度;最后,采用归一化瓦瑟斯坦距离(NWD)改进边界框损失函数,专注于不规则和复杂微小纹理特征,更好地衡量边界框间的分布相似性,提升检测精度。在NEU-DET数据集上的试验结果表明,该模型相比基准模型mAP提高了3.1%,参数量和计算量分别减少20.3%、19.0%,更好地平衡了检测精度和轻量化需求。此外,该模型在Severstal数据集上表现出良好的泛化能力,满足实际工程需求,具有重要推广应用价值。

来源：2025年第10期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第10期