DSC_YOLO：以注意力为引导的铝型材缺陷检测算法

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：曹渊, 韩洋, 马雪茹, 王长清

单位：河南师范大学 电子与电气工程学院，河南 新乡 453007；

摘要：针对铝型材表面缺陷种类繁多、尺度变化大和检测难度高的问题，提出了一种DSC_YOLO检测算法。在模型主干网络中引入扩张残差卷积模块DWRSeg_Conv，有效扩展模型的感受野并增强对复杂特征的提取能力；设计了一种多尺度通道注意力机制DCA（dual-scale channel attention），显著提升了颈部网络对关键特征的关注能力；通过结合多尺度通道注意力和空间注意力提出SDAM注意力机制（spatial and dual attention mechanism），进一步增强了网络对缺陷区域的定位能力和细节特征的表征能力。在天池铝型材数据集上的实验结果表明，DSC_YOLO在mAP50、Precision和Recall三个指标上分别达到86.7%、88.3%和82.8%，展现出较为优越的检测性能。该研究不仅验证了DSC_YOLO在铝型材表面缺陷检测中的有效性，也为工业表面缺陷检测提供了新的解决方案。

关键词：YOLOv8,缺陷检测,多尺度融合,扩张式残差

基金资助：国家自然科学基金（52177004）。