基于重校准特征融合的网状织物缺陷检测算法

摘要

针对传统算法检测精度高低和速度快慢不能统一的问题，本文提出了一种基于YOLOv8n的重校准特征融合网状织物缺陷检测算法YOLOv8n-RCW.该算法在YOLOv8n网络的基础上，引入了重校准特征融合金字塔网络结构(RFFPN),模型使用高效跨尺度连接后将不同特征层的信息分别通过上下采样进行特征融合，再分别进行上下采样将融合特征与各个特征层校准，使每个特征层都能有丰富的上下文信息，从而增强模型的特征表达能力，提高了检测精度；然后使用CA注意力优化了C2f模块，提高了算法缺陷特征的提取能力；最后使用动态非单调聚焦机制(Wise-IoU)进行动态非单调聚焦机制，使用“离群度”替代IoU对锚框进行质量评估，并采用优化的梯度增益分配策略，使得模型可以聚焦于普通质量的锚框，提高检测器的整体性能.实验结果表明，与YOLOv8n相比，改进后的网络在精确率、召回率和平均精度上分别提升了8.9%,3.4%和6.4%,同时模型大小仅增加了0.11 MB,满足了网状织物缺陷自动化检测的需求.

关键词

网状织物 / 缺陷检测 / 重校准特征融合金字塔 / CA注意力 / Wise-IoU

基金资助

国家自然科学基金资助项目(62103309)