基于改进YOLO11的瓷砖表面检测轻量级算法

摘要

针对瓷砖表面缺陷检测依赖人工，存在检测效率低下、检测结果波动大，成本较高等问题，本研究提出了一种基于改进YOLO11的瓷砖表面检测轻量级算法。首先，针对小目标缺陷占比过高的特点，提出了一种多特征融合骨干网络，即在B3、B4、B5特征提取过程中使用Fusion模块融合低层特征图，实现语义信息和细节信息的交互，从而加强网络特征提取能力，也在一定程度上缓解了梯度消失问题；然后，在网络下采样过程中使用MDown轻量模块部分替代普通卷积，引入Ghost模块对整个网络进一步的轻量化；最后，在骨干网络和颈部网络的连接处引入EMA注意力机制，将空间特征和通道特征进行融合，形成多尺度特征表示，以增强模型对复杂场景的适应能力。在切片后的瓷砖表面缺陷数据集上进行实验，与YOLO11n相比，改进模型在mAP@0.5、mAP@0.5:0.95分别提升了3.9%、5.6%，模型的参数量和计算量降低约31%、26%；与YOLO11s相比，基于YOLO11n的改进模型在mAP@0.5提升了0.5%。

关键词

表面缺陷检测 / YOLO11 / EMA注意力机制 / Ghost模块 / 轻量化模型