-
题名基于YOLO-ASL的钢材表面缺陷检测算法
- 1
-
-
作者
余晨晨
王旭
-
机构
淮南职业技术学院机电工程学院
湖北工业大学机械工程学院
-
出处
《芜湖职业技术大学学报》
2026年第1期32-37,共6页
-
基金
2024年湖北省技术创新项目“高效铝质药用包装产线智能制造关键技术与多维度管控系统研发”(项目号:2022BEC012)
2024年武汉市科技成果转化项目“一体化轻型智能筑塔机关键技术研发与应用示范”(项目号:2024030803010163)。
-
文摘
为应对钢材表面缺陷检测的挑战,研究提出了一种高效轻量化的缺陷检测模型——YOLO-ASL。在YOLOv11n模型的基础上,首先,引入ADown模块以替代传统的下采样操作,通过融合多尺度池化与可学习卷积,显著减少模型参数量;其次,设计了一种SCSA-D注意力模块,通过结合多尺度深度卷积与通道自注意力机制,增强了对缺陷局部特征的感知能力;最后,引入LSKA模块,得到了C2PSA_LSKA模块,通过将大卷积核分解为方向分离的一维卷积,进一步优化了特征提取效率。在NEU-DET数据集上的实验结果表明:YOLOASL的mAP50和mAP50-95分别达到了76.4%和42%,同时参数量和计算量分别仅为2.14 M和5.2 GFLOPs。相较于原始的YOLOv11n,YOLO-ASL的精度提升了3.5%,计算量降低了17.5%。消融实验验证了各模块协同优化性能与效率的均衡性。对比主流模型,YOLO-ASL在精度与轻量化方面同样具有显著优势。
-
关键词
yolo-asl
轻量化网络
注意力机制
ADown卷积
钢材缺陷检测
-
Keywords
yolo-asl
lightweight network
attention mechanism
ADown convolution
steel defect detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
