基于PGL-YOLOv10n的钢材表面缺陷目标检测

摘要

针对钢材表面缺陷检测中存在的精度不足以及细小缺陷极易漏检等问题，提出了一种兼顾高精度与高效率的PGL-YOLOv10n缺陷检测模型.该方法在基线YOLOv10n的基础上进行了三项核心改进：首先，引入线性可变卷积(Linear Deformable Convolution, LDConv)动态调整卷积核参数，增强网络对不同尺寸目标的自适应感知能力；其次，融入GAM注意力机制引导模型聚焦关键缺陷区域，强化局部特征表达，提升检测鲁棒性；最后，在检测头中应用独创的LPConv卷积结构，针对工业缺陷的多样性与复杂性，在保障推理速度的前提下大幅提升了特征提取效率.在NEU-DET钢材表面缺陷公开数据集上的对比实验表明，PGL-YOLOv10n模型的mAP50指标从基线的0.70显著提升至0.753.综上所述，该方法有效克服了微小瑕疵漏检的技术瓶颈，在复杂工业表面缺陷检测任务中具备显著的有效性与实际应用价值.

关键词

钢材缺陷 / 目标检测 / YOLOv10n / 多尺度目标 / LDConv线性可变卷积