一种基于多尺度融合的金属表面缺陷检测方法

本发明公开了一种基于多尺度融合的金属表面缺陷检测方法，针对现有技术中人工检测效率低、深度学习算法在微小缺陷检测精度不足的问题，本发明核心包括：全局注意力机制(GAM)：在YOLOv11网络的骨干网和特征融合层嵌入GAM模块，通过通道注意力和空间注意力的串联操作，增强缺陷区域的特征权重；多尺度特征融合优化：结合FPN和PAN结构，新增P2层(160×160)以融合低层高分辨率特征，显著提升微小目标检测能力；MPDIoU损失函数：提出基于最小点距的交并比损失函数，优化边界框回归精度，解决传统方法对尺寸差异敏感的问题。实验表明，本发明在铝材表面缺陷数据集上的平均精度均值(mAP@0.5)达到64.2％，较原YOLOv11提升3.5％；在钢材数据集上mAP@0.5达78.4％，提升4.2％，检测速度保持≥100FPS。