-
题名基于BLE-YOLO的高效钢材表面缺陷检测算法
- 1
-
-
作者
周璐
王娟平
-
机构
宝鸡文理学院机械工程学院
陕西信达合瑞科技有限公司
-
出处
《机电工程技术》
2026年第1期109-118,共10页
-
基金
陕西省秦创原“科学家+工程师”队伍建设项目(2022KXJ-048)
陕西省秦创原总窗口“四链”融合重点项目(2024PT-ZCK-24)
+1 种基金
西安市重点产业链技术攻关项目(23ZDCYJSGG0029-2023)
陕西省技术创新引导专项(2024ZC-YYDP-85)。
-
文摘
针对目前钢材表面缺陷检测算法在实际应用中精度不高、资源消耗高等问题,提出了一种高效、高精度、低计算量和参数量的钢材表面缺陷检测算法BLE-YOLO。利用高效远程注意网络(LFE)的优势,将其引入YOLOv11中的C3K2模块中,融合成一种可以动态筛选高频关键区域的C3K2_LFE模块,增强对不同尺寸和形状缺陷局部特征的提取能力。在主干网络中引入双层路由(Bi-Level Routing)结构,并对双层路由结构进行改进和优化,提出一种高效的Bi-Level Routing Attention_NCHW注意力机制,增强了特征提取的能力同时减少计算复杂度,使得模型能够更加高效完成特征提取任务。最后,提出了一种更低计算量和参数量的检测头Efficient-Head,将原始检测头替换为Efficient-Head,实现更加快速和准确的缺陷检测。在NEU-DET数据集上的实验结果表明,所提出的算法在钢材表面缺陷检测任务中取得了82.2%的平均精度均值(mAP),比原始YOLOv11模型提高了2.8%,模型计算量少1.3 GFLOPs,参数量少0.1M。BLE-YOLO有效地提高了钢材缺陷检测的准确性,更好地满足了工业检测要求。
-
关键词
钢材表面缺陷检测
YOLOv11
高效远程注意网络
机器视觉
Bi-Level
routing_nchw
-
Keywords
steel surface defect detection
YOLOv11
efficient long-range attention network
machine vision
Bi-Level routing_nchw
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TG115
[金属学及工艺—物理冶金]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
