基于深度学习的金属表面缺陷检测算法.pdfVIP

ComputerScienceandApplication计算机科学与应用,2026,16(8),314-320

PublishedOnlineAugust2026inHans./journal/csa

/10.12677/csa.2026.168283

基于深度学习的金属表面缺陷检测算法

周俊杰，王锦*

天津职业技术师范大学电子工程学院，天津

收稿日期：2026年7月20日；录用日期：2026年8月20日；发布日期：2026年8月28日

摘要

针对金属表面缺陷检测存在背景纹理干扰强、缺陷尺度跨度大、微细缺陷易漏检、模糊缺陷定位不准等

问题，本文基于YOLOv12n模型，从特征提取、边界回归与激活函数三个维度进行针对性改进，提出一

种适用于金属表面缺陷检测的优化算法。通过构建A2C2f_DFFN_DYT_Mona多尺度频域特征增强模块，

强化复杂背景下的缺陷特征提取能力，弥补原生模型特征表征不足的缺陷；融合MPDIoU、Focaler-IoU

与动态Wise-IoUv3损失机制，自适应平衡难易样本权重，有效抑制标注噪声干扰，提升微小、模糊缺陷

的边界定位精度；引入Hardswish轻量化激活函数替