基于DFD-YOLOv11n的钢材装备表面缺陷检测算法研究

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：雷富强, 马刘文, 关鹏, 张巍, 任海英, 郭玉慧, 王培

单位：1.杭州电子科技大学 计算机学院，杭州 310018；2.杭州电子科技大学 机械工程学院，杭州 310018；3.北京京航计算通讯研究所，北京 430415；4.中国人民解放军国防大学 联合作战学院，石家庄 050084；

摘要：针对钢材装备表面缺陷检测中存在特征模糊、多尺度表达不足以及检测精度受限等问题，提出一种基于YOLOv11n架构的轻量级改进算法DFD-YOLOv11n。该算法通过三重结构创新实现性能优化：一是引入动态蛇形卷积改进特征提取部分的C3K2模块，通过自适应卷积核变形策略显著增强对细长弯曲特征的捕捉能力；二是设计了特征聚焦扩散金字塔网络，通过多尺度特征的双向融合机制提升上下文信息利用率；三是设计了动态任务对齐检测头，通过分类与定位分支的协同优化策略实现检测性能提升。实验数据表明，改进后的算法在NEU-DET数据集上的mAP达到77.1%，较YOLOv11n模型提升6.5个百分点，检测精度提高6.8个百分点。在保持轻量级特性方面，模型参数量（2.74×106）和计算复杂度（9.4×109）控制在前沿轻量化模型范畴，同时实现116 FPS的实时检测速度。DFD-YOLOv11n在检测精度与推理速度之间达到最优平衡，其综合性能指标为工业级表面缺陷检测提供了新的解决方案。

关键词：缺陷检测,YOLOv11n,动态蛇形卷积（DSC）,特征聚焦扩散金字塔网络（FFDPN）,动态任务对齐检测头（DTADH）