MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

来源：电子测量技术杂志2026年第9期北京时间：

作者：曹万里，刘强，马圆捷，解峪坤

单位：山东理工大学机械工程学院 淄博 255022

摘要：钢材表面缺陷检测对工业质量控制具有重要意义，但复杂纹理与多尺度特征增加了检测难度。为此，提出了一种基于多尺度边缘增强与注意力融合的轻量化检测网络（MEA-YOLO）。所提方法以StarNet替代YOLOv11主干以降低复杂度，设计多尺度边缘信息增强模块结合双域选择机制强化边界与上下文特征，并在检测头中引入空间增强前馈网络提升细粒度识别能力。实验结果表明，所提方法在钢材缺陷检测任务中的mAP50达到74.58%，较YOLOv11n提升2.01%，同时参数量与GFLOPs分别减少14.3%和10.1%。此外，在GC10-DET数据集上的对比实验同样取得了精度与速度的同步提升，进一步证明了模型的跨数据集泛化能力与工业实时检测的适用性。

关键词：钢材缺陷检测;YOLOv11;多尺度边缘增强;注意力机制;轻量化网络

基金资助：山东省博士后创新项目（SDCX-ZG-202400240）资助