-
题名基于改进的YOLOv8算法的钢材缺陷检测
- 1
-
-
作者
彭菊红
张弛
高谦
张光明
谈栋华
赵明俊
-
机构
湖北大学人工智能学院
湖北大学计算机与信息工程学院
-
出处
《计算机工程》
北大核心
2025年第7期152-160,共9页
-
文摘
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。
-
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
-
Keywords
multi-scale cross-fusion network(mcn)
YOLOv8 network
Coordinate Attention(CA)mechanism
steel defect detection
deformable convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
