DFC-YOLO：金属表面多尺度与相似性缺陷目标检测方法

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：王坤, 李锦华

单位：中国民航大学 电子信息与自动化学院，天津 300300

摘要：为减少金属表面缺陷检测任务中的误检和漏检问题，提升模型对多尺度和相似性缺陷的检测能力，提出一种DFC-YOLO检测方法。设计多样性特征提取模块（DFEM）对经过SPPF处理后的多尺度信息进行更加全面的特征提取，提高对不同尺度目标的检测精度。设计特征处理模块（FPM）实现浅层与深层特征信息融合，利用浅层特征提取模块（SFEM）充分挖掘浅层的关键信息，减少背景噪声干扰，提升模型对相似性目标的识别能力。为了在不显著增加内存和计算成本的情况下，进一步增强模型对多尺度特征的提取和融合能力，提出C2f_RFEM模块，利用感受野扩张模块（RFEM）扩大模型感受野，获取更多上下文信息，提高检测性能。实验结果显示，DFC-YOLO在GC10-DET数据集中mAP达到了77.60%，相较于基础模型提升3.60个百分点；在NEU-DET数据集中，mAP提升2.55个百分点。实验结果验证了所提方法的可行性与泛化性，表明其能够有效应用于金属表面缺陷检测任务。

关键词：YOLOv8,金属表面缺陷检测,特征提取,多尺度,注意力机制