基于阴影成像技术和改进版YOLOv11n的玻璃表面缺陷检测方法研究

《Scientific Reports》：Research on glass surface defect detection method based on shadowgraphy imaging and improved YOLOv11n

　　

摘要

为了解决在普通玻璃表面观察和检测缺陷所面临的挑战，本文提出了一种结合阴影成像技术与YOLO_FSA算法的缺陷检测方法。通过使用阴影成像系统构建玻璃表面缺陷图像数据集，并以YOLOv11n作为基础模型，引入了C3k2_FWD模块来实现高效、轻量级的空间-通道特征提取以及细长缺陷的检测。同时构建了GSCSA注意力机制以增强对微弱缺陷特征的感知。采用Down卷积替代了传统的下采样方法，在保持检测准确性的同时实现了模型的轻量化。实验结果表明，YOLO_FSA算法的精确度、召回率和mAP50分别为74.8%、80.7%和85.5%，相较于YOLOv11n，这些指标分别提高了8.5%、6.4%和12.6%。此外，模型参数减少了31.4%，降至177万，计算复杂度降低了25.4%，降至4.7 GFLOPs，从而在检测性能和计算效率之间取得了有效的平衡。