激光技术

作者：王铭振, 赵扬, 黄玉峰, 赵刚, 杨平华, 单柏荣

关键词：图像处理, 钛合金, 目标检测, 轻量化, 深度学习

钛合金表面缺陷检测是保证钛合金产品生产和使用安全的一项重要任务，但是现有检测手段检测效率低，难以部署在终端设备。为了克服现有技术的不足，采用了一种基于YOLOv10n轻量化改进的Titanium-YOLO钛合金表面缺陷检测算法。在主干网络部分采用DualConv替代部分卷积，将C2f-DualConv模块替代传统C2f模块，减小了模型参数量和计算量；采用SlimNeck结构轻量化改进颈网络，提升网络性能的同时降低了模型计算量；采用轻量化检测头litehead替代传统v10Detect，在保证检测精度基本不变的前提下，降低了模型参数量和计算量。结果表明，Titanium-YOLO算法在自主构建钛合金数据集中的平均精度为99.0%，较基准模型提升了2.4%；参数量和计算量分别为2.6×106和7.3×109，较基准模型分别降低了3.7%和13.1%，优于其他实验对比算法。该算法具有高精度和低成本，方便部署在终端设备上，具有较好的工程应用价值。

来源：2026年第1期

《激光技术》期刊编辑部

查看激光技术杂志2026年第1期