电子测量技术

作者：杜俊男，杨雯，刘志龙，王成，王天一

单位：贵州大学大数据与信息工程学院 贵阳 550025

关键词：工业场景;目标检测;YOLO11;轻量化改进;注意力机制

基金：国家自然科学基金(62361009)、贵州省科技计划项目(黔科合基础-ZK［2021］304)资助

针对现有目标检测网络在工业场景中对规范穿戴工作服检测存在精确度不足、模型复杂和泛化性较低等问题，提出了一种基于YOLO11的高精度、轻量化新模型SGAD-YOLO。首先，结合StripBlock结构和CGLU机制改进C3k2模块，通过多层次特征处理和动态特征增强，提升模型对细长特征和复杂纹理的感知能力，同时降低模型的参数量和计算量；其次，引入AFGCAttention注意力机制，通过全局上下文信息与局部特征的动态融合，增强模型对关键区域的聚焦能力，有效抑制背景噪声干扰；最后，重设计Detect-SEAM检测头，以提高模型在复杂环境下对遮挡物体和小目标物体的检测精度。实验结果表明，改进算法在电网现场作业环境数据集和公开数据集Roboflow 5中的mAP@0.5指标分别达到93.6%和94.6%，相较于基线模型分别提升了1.5%和2.1%，并且其参数量和计算量分别下降了8.3%和7.4%，证明了SGAD-YOLO算法在工业场景中对规范穿戴工作服检测任务具备更好的检测性能。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期