
-
生物通官微
陪你抓住生命科技
跳动的脉搏
WSO-YOLO11:一种基于小波条带技术的YOLO11框架,用于热轧钢带表面缺陷检测
《Scientific Reports》:WSO-YOLO11: a wavelet–strip-oriented YOLO11 framework for hot-rolled steel strip surface defect detection
【字体: 大 中 小 】 时间:2026年07月02日 来源:Scientific Reports 4.9
编辑推荐:
摘要热轧钢带表面的缺陷通常体积较小、形状细长且对比度低,因此在传统的卷积下采样和特征融合过程中,高频细节及细长结构容易丢失。为解决这些问题,我们提出了基于YOLO11的小波-带状导向YOLO11(WSO-YOLO11),这是一种借助小波-带状先验增强机制的网络结构。该模型在浅层骨
热轧钢带表面的缺陷通常体积较小、形状细长且对比度低,因此在传统的卷积下采样和特征融合过程中,高频细节及细长结构容易丢失。为解决这些问题,我们提出了基于YOLO11的小波-带状导向YOLO11(WSO-YOLO11),这是一种借助小波-带状先验增强机制的网络结构。该模型在浅层骨干网络中引入了小波-空间到深度混合结构(WSH-Stem),以保留细微纹理;同时在FPN/PAN结构中加入了方向-带状残差模块(OSR-Neck),用以提升对狭窄缺陷的连续感知能力。WSO-YOLO11的参数量约为900万,比YOLO11s少约4.3%。在NEU-DET数据集上,其mAP@0.5值从73.5%提升至75.8%,mAP@0.5:0.95值从38.2%上升至39.7%,F1值从68.1%提高到69.3%。在GC10-DET、X-SDD和KSDD2数据集上,该模型的mAP@0.5值也有所提升,最大提升幅度达3.4个百分点。这些结果表明,WSO-YOLO11在保持模型体积较小的同时,能够在mAP相关指标上实现适度提升,并且在多种钢带表面缺陷数据集上均展现出较为稳定的检测性能。
生物通微信公众号