基于改进YOLOv8n的电梯组件红外图像目标检测

摘要

针对电梯组件在红外检测中效率低、背景干扰多、人工诊断故障时间成本高的问题，提出基于改进YOLOv8n的电梯组件红外图像检测方法.首先采用可变形的自注意力模块改进C2f模块，提升检测算法在复杂背景下不同尺度目标的检测能力，然后使用大可分离内核注意力机制与SPPF模块融合，增强网络对图像中重要特征的关注度.其次为减少极端样本产生的有害梯度，将边框损失函数由CIoU替换为Wise-IoU、Shape-IoU和Focaler-IoU的组合损失函数.最后采用逻辑蒸馏和特征蒸馏结合的方法对改进后的模型进行知识蒸馏，在不提升模型复杂度的前提下提升模型的检测精度.实验结果表明，提出的改进算法相比YOLOv8n参数量增加0.36 MB,平均检测精度提高6.1%.

关键词

红外图像 / 电梯组件检测 / 注意力机制 / YOLOv8n / 损失函数 / 知识蒸馏

基金资助

国家自然科学基金资助项目(62303394); 新疆维吾尔自治区自然科学基金资助项目(2022D01C694); 新疆维吾尔自治区高校基本科研业务费科研项目(XJEDU2023P025)