多尺度融合与轻量化注意力的烟火药实时检测OA

针对烟花生产中烟火药填充缺陷人工检测效率低(30 s/件)、误检率高(15%~20%)的问题,提出一种实时检测方法以提升检测精度与安全性。设计YOLOv11-SE模型,融合多尺度特征增强模块(MSFE)与轻量化SE注意力机制:1)通过空洞卷积(d=3)与双向跨尺度连接增强小目标特征;2)采用分组线性变换(groups=8)的3阶段SE嵌入策略降低复杂度;3)结合动态标签分配与注意力正则化提升鲁棒性。实验结果表明,模型在烟火药数据集上平均精度(IoU阈值0.5)达92.3%,小目标召回率从12.6%提升至80.8%,遮挡场景F1-score从8.3%提升至92.1%,单帧检测耗时仅3 ms(NVIDIA Jetson AGX Xavier)。该模型显著提升了检测精度与效率,实际部署年节约成本超200万元,为烟花安全生产提供可靠技术保障。