基于YOLO11的工业场景下钢材表面缺陷检测算法
来源：计算机工程与应用杂志2026年第15期北京时间：
作者：周西华, 王雨欣, 白刚
单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105；
摘要：钢材表面缺陷检测是工业生产质量控制的关键环节，传统检测方法在处理复杂工业环境下的多尺度缺陷时存在精度不足和实时性差的问题。提出了一种基于YOLO11的新型检测器MSEC-DET。该方法集成了四项核心创新：（1）设计了多尺度边缘感知特征提取模块，结合空间金字塔池化与自适应高频边缘增强，以捕获不同尺度的缺陷；（2）设计了自适应特征增强门，利用动态激活与多尺度卷积增强非线性特征表达能力；（3）设计了一种全局上下文感知自适应特征金字塔网络，通过全局上下文与残差建模实现高效的跨尺度融合；（4）设计了一种轻量化共享参数检测头，采用多维差分卷积在降低复杂度的同时提升定位精度。在NEU-DET数据集上的评估表明，MSEC-DET取得了80.2%的mAP50，比基线模型高出3.5个百分点，同时保持了133?FPS的高推理速度，验证了所提方法的有效性和实用性。
关键词：钢材表面缺陷检测,多尺度特征提取,卷积神经网络,YOLO,特征金字塔网络,目标检测
基金资助：辽宁省自然科学基金优秀青年基金（2024JH3/10200042）。
