《电子测量技术杂志》发表论文赏析

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

2026年9期其他文献查阅:

基于贝叶斯优化模糊PID的控温四探针系统设计

基于运动状态识别的车辆磁干扰补偿方法研究

MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

面向燃气轮机旋转件参数测试的双频遥测天线设计与验证

装备试验能力战斗力生成贡献度评价方法研究

面向重症监护室患者的无线体征监测系统设计

基于结构感知与动态融合机制的步态识别研究

旋转式可刷新盲文显示装置的设计与评估

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

RDSM-YOLO轻量级夜间车辆检测模型

密集障碍物环境下改进A*-DWA融合导航算法研究

改进YOLOv11n的水面垃圾检测算法

基于高分辨率特征引导学习的小目标检测方法

基于轨迹融合与背景映射的非侵入式负荷监测方法

基于Mamba自注意力和多模态融合的DVT风险预测

基于WPD-UKF的MMC高频振荡检测方法

一维稀疏拓扑阵列雷达三维成像算法研究

多尺度门控融合的图像篡改拼接检测算法

基于监督反馈和Transformer的目标跟踪算法

基于STDD-YOLO的输电线路小目标缺陷检测

小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

基于Prewitt-Franklin矩的亚像素边缘检测方法

基于MSBRAU-Net++的多尺度息肉分割方法

基于YOLOv11n改进的小目标航拍检测算法

基于特征域最近邻搜索和拼接的动态点云压缩算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!