基于YOLOv8n-AIC的钢丝绳表面缺陷检测算法

摘要

钢丝绳作为工业关键承重部件，其表面缺陷呈小目标、多尺度、低对比度的特点。针对现有检测算法精度低、计算量大、效率低的问题，提出一种改进YOLOv8n的算法YOLOv8n-AIC。该算法融入轻量化下采样模块ADown优化YOLOv8n主干网络，减少参数量；设计注意力模块iEMA并引入主干网络，消除通道冗余，增强多尺度特征提取能力；采用轻量级跨尺度特征融合模块(cross-scale feature fusion module, CCFM)改进YOLOv8n颈部网络形成CF-Neck结构，提升算法对检测目标尺度变化的适应能力。实验结果表明，针对钢丝绳表面缺陷数据集，改进算法的mAP@0.5达95.9%。相比YOLOv8n算法，mAP@0.5提升2.6%,召回率提高2%,参数量和计算量分别降低42.9%、25.9%,实现了轻量化，降低了计算成本，为钢丝绳缺陷快速精准检测提供了有效的解决方案。

关键词

钢丝绳表面缺陷 / ADown模块 / 跨尺度特征融合模块 / 小目标检测 / 轻量化

基金资助

辽宁省教育厅高等学校基本科研项目(LJ21241014452)