基于AGD-YOLO的钢材表面缺陷检测算法

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：李思思,葛华勇,孟亚群,吉宇凯

单位：东华大学

摘要：钢材在制造业中应用广泛,其表面缺陷严重影响其质量。缺陷形态的多样性以及检测背景的干扰给现有检测模型带来挑战,为此本文提出钢材表面缺陷检测算法AGD-YOLO。首先设计了自适应多尺度下采样AMSD模块,该模块利用膨胀卷积与多池化操作捕捉并融合多尺度特征信息,并集成到主干网络中以提升缺陷识别能力；其次结合膨胀卷积和空间金字塔池化提出了增强型全局语义空间池化金字塔EGC-SPP模块以整合全局背景与边缘特征；最后设计了双流融合网络DSFN增强特征表示,提升算法上下文互补性和细节特征的识别能力。实验结果表明,改进后的算法在NEU-DET数据集上的检测精度提升了7.1% mAP,有效解决了钢表面缺陷检测的难点。

关键词：YOLO;缺陷检测;钢材;膨胀卷积;下采样

基金资助：国家自然科学基金(62372100)