基于改进的YOLOv8算法的钢材缺陷检测

1

作者 彭菊红 张弛 +3 位作者 高谦 张光明 谈栋华 赵明俊 《计算机工程》 北大核心 2025年第7期152-160,共9页

在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特... 在工业场景下钢材表面缺陷检测技术存在检测精度低、收敛速度慢等问题。为此,提出一种改进的YOLOv8算法YOLOv8n-MDC。首先,在骨干网络中加入多尺度交叉融合网络(MCN),通过在特征层之间建立更紧密的连接,促进信息的均匀传递,减少跨层特征融合时的语义信息损失,从而增强模型对钢材缺陷的感知能力;其次,在模块中引入可变形卷积,自适应地改变卷积核的形状与位置,从而更灵活地捕捉不规则缺陷的边缘特征,减少信息丢失,提升检测的准确性;最后,加入坐标注意力(CA)机制,将位置信息嵌入到通道中,解决了位置信息丢失的问题,使模型能够更精确地感知缺陷的位置及其形态特征,从而提升检测的精度和稳定性。在NEU-DET数据集上的实验结果表明,YOLOv8n-MDC算法的mAP@0.5达到了81.0%,相比原基准网络提升了4.2百分点,该算法收敛速度较快、精度较高,更能满足实际工业生产的要求。 展开更多

关键词 多尺度交叉融合网络 YOLOv8网络 坐标注意力机制 钢材缺陷检测 可变形卷积

在线阅读 下载PDF 职称材料

ZZX-YOLO:改进YOLOv7-tiny的钢材缺陷检测算法

2

作者 周赵轩 曹岩 《计算机工程与应用》 北大核心 2025年第16期315-323,共9页

针对钢材表面缺陷尺寸变化大,采集图像特征不明显,导致传统缺陷检测方法在实际应用中容易出现漏检、检测效率低和不易部署在移动端设备中等问题,提出了一种面向工业环境的轻量化钢材表面缺陷检测方法ZZX-YOLO。针对普通卷积计算量大的问... 针对钢材表面缺陷尺寸变化大,采集图像特征不明显,导致传统缺陷检测方法在实际应用中容易出现漏检、检测效率低和不易部署在移动端设备中等问题,提出了一种面向工业环境的轻量化钢材表面缺陷检测方法ZZX-YOLO。针对普通卷积计算量大的问题,提出一种新的轻量级卷积技术ZZXConv,增强了特征图的纹理特征,抑制了冗余信息,促进了检测精度和速度的提升;基于ZZXConv设计了一种全新的ZZX残差模块,实现了更丰富的特征聚合,增强了特征提取能力,并且设计了ZZX_CSPC模块取代YOLOv7-tiny颈部结构中的ELAN-tiny,提高特征的表达能力和弱化无关的特征信息,以实现更高的计算成本效益。使用K-means++算法重新聚类生成先验框,提高了检测精度和检测速度。实验结果表明,改进的算法在数据集上的平均精度达到了63.13%,相比于原算法,精确度提高了7.70个百分点,参数量下降了8.53%,证明了ZZX-YOLO的有效性。 展开更多

关键词 轻量化钢材表面缺陷检测 YOLOv7-tiny ZZXConv ZZX_CSPC模块 ZZX-YOLO

在线阅读 下载PDF 职称材料

基于改进YOLOv7的轻量级钢材缺陷检测 被引量：1

3

作者 秦宇 张雷 《组合机床与自动化加工技术》 北大核心 2024年第12期129-134,共6页

为了降低模型的计算成本,提高钢材缺陷检测的准确度,基于YOLOv7框架,提出了一种轻量级钢材缺陷检测方法。设计了一种可变形卷积DCN,将主干网络中的传统卷积模块和ELAN模块替换为可变形卷积,将主干特征提取网络与可变形卷积融合,在降低... 为了降低模型的计算成本,提高钢材缺陷检测的准确度,基于YOLOv7框架,提出了一种轻量级钢材缺陷检测方法。设计了一种可变形卷积DCN,将主干网络中的传统卷积模块和ELAN模块替换为可变形卷积,将主干特征提取网络与可变形卷积融合,在降低模型的参数量和计算量的同时提高了多尺度缺陷目标的检测精度。在重构的主干特征提取网络中引入CA注意力机制,提高其在复杂环境中提取钢材缺陷关键特征的定位能力。针对提取特征时钢材表面小缺陷特征信息丢失严重的问题,引入浅层加权特征融合网络SFPN,以深层特征图作为输出,同时有效利用浅层特征信息,提高小缺陷的识别准确率。在NEU-DET数据集上做消融和对比实验,结果表明,该方法相较于YOLOv7,在IoU设置为0.5时mAP提升了8.5%,相较于YOLOv7系列中检测精度更高的YOLOv7-W6算法,在模型参数约为其1/3的情况下,mAP值提高2.6%,检测速度提升了2.5倍,很好地平衡了算法的精度和速度。 展开更多

关键词 钢材缺陷检测 轻量级 可变形卷积 注意力机制 多尺度 SFPN

在线阅读 下载PDF 职称材料

基于DSP-YOLOv9的钢材表面缺陷检测算法

4

作者 丁志星 崔雪红 +2 位作者 王广周 王旭 龚玉洁 《计算机工程与设计》 北大核心 2025年第9期2675-2682,共8页

为解决传统缺陷检测中频繁出现的漏检和误检问题,提出一种基于改进YOLOv9的钢板表面缺陷检测算法。通过DRB-RepNCSPELAN4模块扩展算法的感受野,使用SPD-Adown模块保留更多细节信息,并采用PIoUv2损失函数提高检测框的定位精度(简称DSP-YO... 为解决传统缺陷检测中频繁出现的漏检和误检问题,提出一种基于改进YOLOv9的钢板表面缺陷检测算法。通过DRB-RepNCSPELAN4模块扩展算法的感受野,使用SPD-Adown模块保留更多细节信息,并采用PIoUv2损失函数提高检测框的定位精度(简称DSP-YOLOv9)。在NEU-DET数据集上,DSP-YOLOv9的平均检测精度达到80.9%,较原算法提高了5.4%,处理速度达到79.37帧/秒。实验结果表明,DSP-YOLOv9在保持检测效率的同时,显著提高了检测精度并降低了漏检、误检,表现出优于传统检测算法的性能。 展开更多

关键词 目标检测 钢材缺陷检测 漏检 误检 感受野 细节信息 损失函数

在线阅读 下载PDF 职称材料

基于YOLOv7-Tiny的轻量化钢材表面缺陷检测方法

5

作者 赵曙光 易文 陆小辰 《东华大学学报(自然科学版)》 北大核心 2025年第4期194-202,共9页

为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Nec... 为实现快速且精准的钢材表面缺陷检测,提出一种基于YOLOv7-Tiny的轻量化检测方法。为优化主干提升检测精度和速度,基于Transformer模块构建轻型TGS-SPPCFSPC结构,替代SPPCSPC。此外,引入Mish激活函数以增强模型的表征能力;引入Slim-Neck作为新的颈部,在保持检测精度的同时,有效地缩减模型规模和计算量。将SPD卷积与SimAM相结合作为新头部,加强对低分辨率小目标的检测能力。在NEU-DET和GC10-DET上的试验结果表明,改进算法在表现上优于数十种先进网络。相比于原始算法,改进算法在NEU-DET上,m_(AP)提升了7%,GFLOPS减少了2.5 G(Giga),参数减少了3 M(Mega),特别是小目标检测效果显著提高。在GC10-DET上,m_(AP)提升了3%,FPS达125。两者试验结果表明,提出的方法在缺陷检测领域表现出色,而且轻量化设计使其更适用于多种场景。 展开更多

关键词 钢材表面缺陷检测 YOLOv7-Tiny TGS-SPPCFSPC 小目标 轻量化

在线阅读 下载PDF 职称材料

融合共享参数的YOLOv10n钢材表面缺陷检测算法

6

作者 杨本臣 潘子睿 +2 位作者 王春艳 金海波 李世熙 《电子测量与仪器学报》 北大核心 2025年第8期168-177,共10页

针对钢材表面缺陷检测中的精度低、易受背景干扰的问题,提出一种融合共享参数的YOLOv10n目标检测算法。首先,骨干网络引入改进的FasterNet轻量网络和通道优先卷积注意力机制,以提升骨干网络对多维信息的表征能力;其次,针对C2f模块感受... 针对钢材表面缺陷检测中的精度低、易受背景干扰的问题,提出一种融合共享参数的YOLOv10n目标检测算法。首先,骨干网络引入改进的FasterNet轻量网络和通道优先卷积注意力机制,以提升骨干网络对多维信息的表征能力;其次,针对C2f模块感受野差的问题,基于部分卷积(PConv)设计了PConv-C2f模块;再次,采用小波池化,解决原算法中因上下采样机制引起的图像高频信息混叠和易受背景干扰问题;最后,通过共享参数与动态分布技术融合,提出一种轻量级检测头,以减少模型的计算复杂度并提高边界框预测的准确性。改进算法在NEU-DET数据集上的平均精度均值(mAP)mAP@0.5达到86.3%,较原算法提升8.1%,精确率(precision)达到86.8%,较原算法提高了18.7%。通过消融、对比实验表明改进算法在钢材和金属材料表面缺陷检测中均具有较好的性能表现,不仅满足了实际应用中对钢材表面缺陷进行高效、准确检测的需求,还显著提升了检测的可靠性和实用性。 展开更多

关键词 钢材缺陷检测 YOLOv10n 轻量级检测头 PConv-C2f FasterNet 注意力机制

在线阅读 下载PDF 职称材料

基于改进YOLOv7⁃tiny的钢材表面缺陷检测 被引量：1

7

作者 张瑞雪 陈琳 《现代电子技术》 北大核心 2025年第14期43-49,共7页

针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引... 针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引入SPDConv作为下采样模块,避免小目标细粒度信息的丢失,有效解决了小目标检测困难的问题;最后,针对大目标缺陷检测效率低的问题,增加一个大目标检测层以扩大模型的感受野,提高对大目标缺陷的检测精度。实验结果表明:改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均精度均值(mAP)达到了81.4%,比原算法提高了6.7%,检测性能优于其他主流检测算法;并且具有较少的参数量和较快的检测速度,可满足工业钢材表面缺陷检测的实时性和高效性要求。 展开更多

关键词 YOLOv7-tiny 钢材表面缺陷检测 目标检测 细粒度 动态蛇形卷积 特征提取

在线阅读 下载PDF 职称材料

基于CNN和CBAM的钢材表面缺陷检测研究

8

作者 徐吉高 陈江义 +1 位作者 秦东晨 沈鹏 《机械设计与制造》 北大核心 2025年第2期149-152,共4页

为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征... 为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征重复利用,提升模型的表现力。实验结果表明:在数据集特征信息少、分类对象较为单一的情况下,本文所提出方法相较于更深层次的网络模型对于分类任务取得更好的效果,缺陷检测分类准确率可达99%,平均检测速度8.21ms,满足实时检测需求。 展开更多

关键词 钢材表面缺陷检测 卷积神经网络 卷积注意力模块

在线阅读 下载PDF 职称材料

改进YOLOv10的钢材表面缺陷检测方法 被引量：1

9

作者 吴葛 朱宇凡 叶天成 《电子测量技术》 北大核心 2025年第4期158-168,共11页

针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone... 针对工业系统现有钢材表面缺陷检测模型较老,准确率有限,存在错判漏判的问题,提出了一种改进YOLOv10的钢材表面缺陷检测方法FAA-YOLO。该方法通过引入轻量化网络FasterNet和多尺度注意力机制EMA,设计了C2f_Faster_EMA模块,实现Backbone网络轻量化与特征提取能力增强的平衡;在Backbone网络末端添加自适应细粒度通道注意力机制AFGC,增强模型骨干网络对输入特征的初步提取能力,进而提高模型的检测精度;将Neck部分换为注意力尺度序列融合框架ASF,提升模型整合多尺度特征信息的能力。在NEU-DET钢材表面缺陷数据集上进行对比实验和消融实验,实验结果表明,提出的FAA-YOLO模型较基线YOLOv10n模型参数量降低11.01%,计算量降低7.69%,检测精度提高2.9个点,达到83.6%的检测准确率,在降低模型复杂度的同时实现了较高的检测准确率,在工业系统中具有高可用性与高实时性。 展开更多

关键词 钢材表面缺陷检测 YOLOv10 FasterNet EMA AFGC ASF-YOLO

在线阅读 下载PDF 职称材料

基于改进YOLOv5的钢材表面缺陷检测

10

作者 刘祉燊 张晓玲 +2 位作者 刘珂宇 刘晓军 刘晓静 《兵工自动化》 北大核心 2024年第12期30-34,共5页

针对钢材表面缺陷检测中小目标缺陷检测效果不理想、特征提取不充分的问题,以YOLOv5算法为基础,提出一种YOLOv5s-ADW算法。将自注意力与卷积混合模块(a mixed model of self-attention and convolution,ACmix)融入主干网络层,增强模型... 针对钢材表面缺陷检测中小目标缺陷检测效果不理想、特征提取不充分的问题,以YOLOv5算法为基础,提出一种YOLOv5s-ADW算法。将自注意力与卷积混合模块(a mixed model of self-attention and convolution,ACmix)融入主干网络层,增强模型的特征敏感度;在特征融合层中加入可变形大内核注意力机制(deformable large kernel attention,D-LKA),增强模型对图像中不规则缺陷的捕捉能力;将原损失函数替换为Wise-IoU损失函数,降低数据集中低质量示例对模型检测效果的影响并提升小目标缺陷检测能力,在NEU-DET上进行实验验证。实验验证结果表明:YOLOv5s-ADW算法的平均精度均值(mean average precision,mAP)达到88.3%,相较原始模型提升了14.4%;小目标缺陷和漏检率高的缺陷平均精度(average precision,AP)也有较大提升,相比其他主流算法,能够更好解决上述问题。 展开更多

关键词 YOLOv5 钢材表面缺陷检测 小目标缺陷检测 特征提取

在线阅读 下载PDF 职称材料

基于YOLO-GR算法的轻量化钢材表面缺陷检测 被引量：10

11

作者 吴亚尉 明帮铭 +1 位作者 何剑锋 钟国韵 《组合机床与自动化加工技术》 北大核心 2023年第11期107-111,115,共6页

针对工业带钢缺陷检测效率低、精度差、模型部署困难等技术不足,提出了一种改进YOLOv5s算法的轻量化钢材表面缺陷检测模型:YOLO-GR模型。首先,通过引入GhostV2 Bottleneck轻量化模块作为主干特征提取网络,以减少网络的参数量,同时将特... 针对工业带钢缺陷检测效率低、精度差、模型部署困难等技术不足,提出了一种改进YOLOv5s算法的轻量化钢材表面缺陷检测模型:YOLO-GR模型。首先,通过引入GhostV2 Bottleneck轻量化模块作为主干特征提取网络,以减少网络的参数量,同时将特征融合网络中的普通卷积块替换为深度可分离卷积块,进一步降低模型的计算复杂度以优化特征提取网络;然后,在检测头部分加入RepLK大卷积核提升网络感受野,以优化大尺度方差的检测效果;最后,引入W-IoU(Wise-IoU Loss)解决了带钢缺陷数据集难易样本不平衡问题,提高模型的泛化性能。实验结果表明,改进后的模型在平均检测精度上比原YOLOv5s模型提升了3.8%,在参数量和计算量比原模型下降了16.6%,模型大小仅仅12 M,为检测模型在移动端上的部署提供了可能。 展开更多

关键词 钢材缺陷检测 轻量化 YOLO RepLK卷积 W-IoU

在线阅读 下载PDF 职称材料

基于改进SSD的钢材表面缺陷检测 被引量：27

12

作者 阎馨 杨月川 屠乃威 《现代制造工程》 CSCD 北大核心 2023年第5期112-120,共9页

工业生产过程中,钢材表面缺陷的检测对于钢材的质量控制发挥着十分重要的作用,针对钢材表面缺陷检测中存在的检测精度低、检测速度慢等问题,提出了一种钢材表面缺陷检测的改进SSD算法。在所提算法中,采用Transformer多头注意力机制模块... 工业生产过程中,钢材表面缺陷的检测对于钢材的质量控制发挥着十分重要的作用,针对钢材表面缺陷检测中存在的检测精度低、检测速度慢等问题,提出了一种钢材表面缺陷检测的改进SSD算法。在所提算法中,采用Transformer多头注意力机制模块代替原SSD结构中的Conv5_1层,以提高小目标检测的能力;原SSD结构中的Conv7操作替换为Involution算子操作,以减少运算的参数量;对网络结构进行特征融合处理,以更全面地检测特征图中所包含的信息。利用NEU-DET数据集进行实验,实验结果表明改进后的SSD算法是有效的,可以高效检测到钢材表面的小目标缺陷,相比改进前平均检测精度提高了4.5%,检测速度提高了13.6%。 展开更多

关键词 钢材表面缺陷检测 改进SSD算法 注意力机制 Involution算子 特征融合

在线阅读 下载PDF 职称材料

基于FF R-CNN钢材表面缺陷检测算法 被引量：34

13

作者 韩强 张喆 +1 位作者 续欣莹 谢新林 《太原理工大学学报》 CAS 北大核心 2021年第5期754-763,共10页

针对深度学习算法检测钢材表面缺陷时,结构信息减少导致检测精度低的问题,提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。首先利用主干网络提取特征图,通过融合特征图的方式,达到减少结构信息丢失的目的;进一步... 针对深度学习算法检测钢材表面缺陷时,结构信息减少导致检测精度低的问题,提出一种特征融合和级联检测网络的Faster R-CNN钢材表面缺陷检测算法。首先利用主干网络提取特征图,通过融合特征图的方式,达到减少结构信息丢失的目的;进一步将生成的特征图输入RPN网络生成区域建议框;最后利用检测网络对区域建议框进行分类与回归,通过级联2个检测网络,实现精确检测结果的目标。对模型进行对比性实验分析,找出检测精度最优的算法模型。在NEU-DET数据集上对提出的算法进行了检验,主干网络采用VGG-16比采用Resnet-50的检测精度提高了2.40%;通过融合特征,检测精度提高了11.86%;通过检测网络的级联,检测精度提高了2.37%.通过对算法模型的不断改进和优化,检测精度达到了98.29%.与传统的钢材表面检测方法相比,改进算法能够更准确地检测出钢材表面缺陷的种类和位置,提升对钢材表面缺陷的检测精度。 展开更多

关键词 钢材表面缺陷检测 深度学习 Faster R-CNN 特征融合 级联检测网络

在线阅读 下载PDF 职称材料

基于改进深度网络的钢材表面缺陷检测 被引量：11

14

作者 刘琪 雷景生 《计算机工程与设计》 北大核心 2022年第9期2654-2661,共8页

为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU... 为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进Faster RCNN的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU损失函数替代原算法中的Smooth L1作为边框回归损失函数;构建用于模型训练的钢材缺陷数据集。通过对比实验进行分析,实验结果表明,提出方法能够快速、准确地识别和定位钢材表面缺陷。 展开更多

关键词 钢材表面缺陷检测 Faster RCNN模型 双路径网络 路径增强网络 交并比损失函数

在线阅读 下载PDF 职称材料