基于YOLOv11的煤矿用钢丝绳表面缺陷检测算法研究

来源：电子测量技术杂志2026年第5期北京时间：

作者：郭旭鹏，董立红，秦昳

单位：西安科技大学人工智能与计算机学院 西安 710054

摘要：针对煤矿钢丝绳表面缺陷检测中存在的小目标尺度差异大、复杂背景干扰强等问题，提出一种基于改进YOLOv11的深度学习检测算法。首先，设计感受野注意力特征提取模块C3k2_RFAConv，通过动态调整卷积核权重增强复杂纹理下的特征提取能力；其次，在特征融合层引入可变形大核注意力机制D-LKA，结合大感受野与可变形卷积的优势，精准聚焦缺陷区域；此外，采用DySample上采样优化以抑制背景噪声干扰，减少小目标特征丢失；最后，提出Inner-WIoU损失函数优化边界框回归，提升不规则缺陷的定位精度。实验结果表明，改进算法在准确率、召回率和平均精度上分别达到83.2%、78.1%和82.1%，较基准模型YOLOv11提升3.1%、4.6%和2.6%，且优于Faster-RCNN、YOLOv8等对比模型，此外，通过可视化分析证明改进后的算法漏检率降低，可为矿用钢丝绳安全隐患的实时监测提供有效的技术方案。

关键词：钢丝绳;缺陷检测;C3k2_RFAConv;注意力机制;DySample

基金资助：国家自然科学基金青年项目（62303375）资助