《Electronics》：DIDW-YOLOv11: The Steel Surface Defect Detection Method Based on Improved YOLOv11 Network
编辑推荐：
钢表面缺陷检测对于钢材质量和使用安全至关重要。高计算成本和低检测精度仍是当前钢材检测模型的主要问题。为了有效解决上述问题，本文提出了一种名为DIDW-YOLOv11的新型钢表面缺陷检测模型。在所提出的DIDW-YOLOv11中，首先创新性地将YOLOv11的C
钢表面缺陷检测对于钢材质量和使用安全至关重要。高计算成本和低检测精度仍是当前钢材检测模型的主要问题。为了有效解决上述问题，本文提出了一种名为DIDW-YOLOv11的新型钢表面缺陷检测模型。在所提出的DIDW-YOLOv11中，首先创新性地将YOLOv11的C3k2模块改进为C3k2-DIMB（C3k2-Dynamic Inception Mixed Block），该模块通过引入DynamicInceptionDWConv2d（DIDW）集成C3k2和DIMB，以充分加强对微小缺陷和弱纹理缺陷的细节特征提取，提高多尺度感受野的匹配程度。然后，通过集成IDWFSPPF（Integrated Dynamic Weighted Feature Spatial Pyramid Pooling）模块增强YOLOv11的SPPF（Spatial Pyramid Pooling Fast）模块，以优化局部和全局信息的融合，该模块结合了平均池化和最大池化，增强了模型的多尺度特征融合能力。最后，提出了一种辅助检测头（Auxiliary Detection Head，ADH）并附加粗损失函数，将浅层特征信息输入模型，利用额外的监督对浅层特征进行处理，以抑制背景噪声并减少误检。在NEU-DET和GC10-DET数据集上的实验结果表明，与基线模型YOLOv11s相比，DIDW-YOLOv11在mAP@0.5上分别提升了4.9%和3.8%。研究人员的研究表明，DIDW-YOLOv11在复杂多样的缺陷检测中表现出更强的识别能力和鲁棒性，为工业生产中的钢材缺陷检测提供了有效解决方案。此外，实验结果表明，该模型的性能优于基线方法。
钢表面缺陷检测是保障钢材质量与使用安全的关键环节。当前基于深度学习的方法（尤其YOLO系列）虽已广泛应用，但仍面临高计算成本和低检测精度的双重挑战，在复杂工业场景下对微小、弱纹理及多尺度缺陷的检测能力不足。为此，研究人员基于YOLOv11s基线提出了DIDW-YOLOv11模型，旨在通过模块级改进平衡精度与效率。该研究在NEU-DET（东北大学热轧带钢表面缺陷数据集，200×200像素，6类缺陷）和GC10-DET（钢板制造过程灰度相机采集，2048×1000像素，10类缺陷）上验证了模型有效性，结果表明DIDW-YOLOv11在mAP@0.5上分别达到81.5%和72.0%，较基线提升4.9%和3.8%，检测速度达118 FPS和159 FPS，优于Faster-RCNN、SSD、YOLOv5s、YOLOv7、YOLOv8s、YOLOv9s、YOLOv10s、YOLOv11s及FD-YOLO11等主流方法，为工业钢材缺陷检测提供了高效且鲁棒的解决方案。论文发表在《Electronics》。
关键技术方法方面，研究主要采用三项改进：**C3k2-DIMB模块**：将Dynamic Inception Mixed Block（DIMB）嵌入C3k2瓶颈结构，利用两个不同尺度的DynamicInceptionDWConv2d（含3×3和5×5深度可分离卷积核及动态权重调整机制）实现多尺度自适应特征提取，增强对不规则和微小缺陷的细节捕获能力；**IDWFSPPF模块**：在SPPF框架中引入混合池化策略（平均池化辅助最大池化），并通过上采样恢复低分辨率特征后与多级池化结果拼接，再由InceptionDWConv2d处理，优化局部与全局特征融合，强化小目标特征保留；**辅助检测头ADH**：集成Anchor Free（主检测头，λ=1）和Aux Head（辅助检测头，λ=0.25），采用Task Alignment Learning（TAL）标签分配策略替代复杂的最优传输分配（OTA），通过粗-细层次监督机制（Aux Head对倒数第二层进行早期粗检测，Anchor Free对最终层精检测）抑制背景噪声和冗余特征依赖，缓解梯度消失与过拟合。数据增强包括随机裁剪、旋转、缩放和马赛克变换。
**4.4. 消融实验**：以YOLOv11s为基线（Model 1），逐步加入各模块进行消融。单独引入C3k2-DIMB（Model 2）使精度提升5.1%，mAP@0.5提升1.3%，FPS略降；单独引入IDWFSPPF（Model 3）使召回率提升2.5%，mAP@0.5提升1.7%，FPS略有提升；单独引入ADH（Model 4）使精度最显著提升9%，mAP@0.5提升2.9%，FPS提升至151帧/秒。两两组合实验中，C3k2-DIMB+IDWFSPPF（Model 5）使召回率提升2.7%，mAP@0.5达78.1%；C3k2-DIMB+ADH（Model 6）综合提升显著，mAP@0.5达79.9%，召回率提升4.1%；IDWFSPPF+ADH（Model 7）使mAP@0.5提升至78.0%，FPS达130。三者整合的DIDW-YOLOv11（Model 8）实现全面优化：精度77.7%、召回率75.6%、mAP@0.5达81.5%，FPS为118。分6类缺陷分析显示，C3k2-DIMB对大型不规则缺陷（如Pa、Ps）提升明显，IDWFSPPF对小目标（如Rs）有效，ADH对低对比度缺陷（如Cr）贡献显著，三者协同使所有类别指标均超基线。**4.5. 对比实验**：在NEU-DET上，DIDW-YOLOv11的mAP@0.5（81.5%）高于Faster-RCNN（76.0%）、SSD（74.1%）、YOLOv5s（73.8%）、YOLOv7（76.6%）、YOLOv8s（74.2%）、YOLOv9s（75.5%）、YOLOv10s（75.9%）、YOLOv11s（76.6%）及FD-YOLO11（约81%），且FPS（118）仅次于YOLOv11s（124）。在GC10-DET上，模型达到精度72.0%、召回率69.2%、mAP@0.5 72.0%，表现竞争力。结论：DIDW-YOLOv11在精度与速度间取得良好平衡，泛化能力稳定。
**结论部分翻译**：本文基于YOLOv11s基线提出了DIDW-YOLOv11模型，这是一套针对高效钢表面缺陷检测的综合性和针对性改进方案。首先，C3k2-DIMB模块利用多尺度动态深度可分离卷积，在不引入过多参数的情况下自适应提取不规则、微小及多尺度缺陷特征。其次，IDWFSPPF模块采用混合池化策略融合全局与局部信息，在保持效率的同时强化多尺度特征表示。第三，辅助检测头对浅层特征提供额外监督，以抑制背景噪声并减少误检，缓解深层网络训练中的梯度消失问题，促进更有效的浅层特征学习。在NEU-DET和GC10-DET数据集上的实验结果表明，DIDW-YOLOv11优于主流对比模型，分别达到81.5%和72.0%的mAP@0.5，较基线提升4.9%和3.8%，同时保持118 FPS和159 FPS的高推理速度。DIDW-YOLOv11模型验证了优越的检测精度和鲁棒的泛化能力。在本研究中，尽管所提出的DIDW-YOLOv11模型在部分钢表面缺陷检测上取得了有效性能，但在其他缺陷检测任务中仍存在一定局限性。在未来的工作中，研究人员将进一步探索更鲁棒和更通用的表面缺陷检测模型，以提高在多样化工业场景中的适应性。
