改进YOLOv10的钢材表面缺陷检测方法

来源：电子测量技术杂志2025年第4期北京时间：

作者：吴葛，朱宇凡，叶天成

单位：华中科技大学电气与电子工程学院 武汉 430074

摘要：针对工业系统现有钢材表面缺陷检测模型较老，准确率有限，存在错判漏判的问题，提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块，实现Backbone网络轻量化与特征提取能力增强的平衡；在Backbone网络末端添加自适应细粒度通道注意力机制AFGC，增强模型骨干网络对输入特征的初步提取能力，进而提高模型的检测精度；将Neck部分换为注意力尺度序列融合框架ASF，提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验，实验结果表明，提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%，计算量降低7.69%，检测精度提高2.9个点，达到83.6%的检测准确率，在降低模型复杂度的同时实现了较高的检测准确率，在工业系统中具有高可用性与高实时性。

关键词：钢材表面缺陷检测;YOLOv10;FasterNet;EMA;AFGC;ASF-YOLO

基金资助：教育部 2020 年第二批新工科研究与实践项目（E-NYDQHGC20202219）资助