EAD-YOLOv10 轻量检测网络

缺陷识别快且准

面向钢材表面复杂纹理与多变缺陷形态，通过自适应下采样与动态上采样协同，在轻量化架构下显著提升小样本缺陷的识别精度。

Hu, Haoyan · Tong, Jinwu · Wang, Haibin · Lu, Xinyun

IEEE Access 2025

参数信息

平均精度

94.2 %

模型体积缩减

9.75 %

计算量降低

12.5 %

技术优势

精度提升显著

多尺度卷积与位置感知模块融合不同尺度特征图，增强对多尺度缺陷的敏感度，使平均精度达 94.2%。

模型更轻量

自适应下采样结构替代传统卷积，降低计算复杂度，模型体积减小 9.75%。

计算成本更低

通过轻量化设计，计算量降低 12.5%，适合边缘端部署。

应用场景

• 工业视觉检测：部署到产线相机，实时识别钢材表面缺陷，替代人工目检。
• 钢材表面质检：针对钢材复杂纹理与多形态缺陷，精准检测六类表面缺陷。
• 产线缺陷检测：低计算量利于在线运行，及时拦截缺陷产品。
• 边缘端视觉：模型轻量，可部署在边缘设备，无需云端算力。