YOLO-DHL：改进的织物表面缺陷检测算法
来源：计算机工程与应用杂志2026年第15期北京时间：
作者：刘瑞明, 段雪松, 杜运良, 黄帅
单位：江苏海洋大学 电子工程学院，江苏 连云港 222005；
摘要：在纺织工业中，织物缺陷的精确定位是制造流程中不可或缺的环节。缺陷种类繁多且尺寸不一，常导致检测精度下降，以及漏检和误检率升高。针对以上问题基于YOLOv11提出一种改进的织物缺陷检测模型YOLO-DHL，设计了一个C3K2_DKB模块替代原有C3K2模块，通过自适应调整卷积核大小实现跨层信息的灵活融合；提出HACB模块，用于局部与全局特征的自适应融合，增强了特征表达的鲁棒性；引入了定位质量评估检测头LQEH模块并增加小目标检测层，利用分布统计特征提升边界框评估可靠性，增强小目标检测精度。实验结果表明，YOLO-DHL在自建数据集上相比于基线模型YOLOv11n，mAP50提升了7.8个百分点，显著提升了布匹缺陷检测性能。
关键词：YOLOv11,织物缺陷检测,卷积神经网络,小目标检测
基金资助：国家自然科学基金（62271236）。
