基于MHTD-YOLO11n的钢材表面缺陷检测算法

钱俊磊; 王熹之; 曾凯; 杜学强; 刘贺; 朱立光

doi:10.16088/j.issn.1001-6600.2025073101

广西师范大学学报（自然科学版） ›› 2026, Vol. 44 ›› Issue (3) : 60 -74. DOI: 10.16088/j.issn.1001-6600.2025073101

基于MHTD-YOLO11n的钢材表面缺陷检测算法

钱俊磊, 王熹之, 曾凯, 杜学强, 刘贺, 朱立光

作者信息 +

Author information +

文章历史 +

摘要

钢材表面缺陷检测面临缺陷形态多样、结构复杂、小目标占比高且伴随复杂环境等因素的干扰，而现有缺陷检测模型往往结构复杂、参数量庞大、检测精度和实时性较差。针对上述问题，本文提出一种基于YOLO11n的轻量高效钢材缺陷检测算法MHTD-YOLO11n。该方法首先引入多尺度分组膨胀卷积(multi-scale grouped dilated convolution, MSGDC)模块，通过集成不同膨胀率的分组卷积实现多尺度特征融合，提升对不同种类缺陷的检测能力；随后通过引用分层互补注意力混合模块(hierarchical reciprocal attention mixer, H-RAMi),补偿因下采样特征导致的像素级信息损失；接着设计C2PSA＿TPA模块，通过引用张量积注意力(tensor product attention, TPA),显著压缩推理时的KV缓存规模；最后重构特征交互模块(C3K2＿DFF),使网络能够在更大的感受野下有效结合多尺度信息，促进检测精度和速度的提升。实验结果表明，相较于YOLO11n算法，MHTD-YOLO11n算法的mAP值和召回率分别提升4.3和9.1个百分点，检测速度达到258.3 frame/s,参数量和计算量分别降低1.42×10～6和3.4×10～9,满足工业质检场景对高精度与实时性的双重需求。