改进YOLOv8n的织物疵点检测算法

摘要

针对织物疵点检测中因疵点形态各异而存在的漏检或误检问题，提出了基于YOLOv8n改进的织物疵点检测方法。首先，在特征融合部分引入Slim-neck模块，用GSConv替代原有卷积核，使每个特征层可同时考虑深层和浅层特征信息，在提升对小目标疵点检测能力的同时，降低模型复杂度。其次，将三重注意力机制嵌入至骨干网络中，为每个特征通道赋予不一样的权重，提高模型对织物疵点的检测精度。最后，采用形状交并比函数替代网络的交叉熵损失函数，利用边界框本身的形状和尺度来计算损失，提高模型的收敛速度和准确性。在检测8类织物疵点时，改进模型的精确率达到87.1%,召回率达到89.2%,mAP@0.5达到92.2%,mAP@0.5∶0.95达到50.3%。实验结果表明：改进模型可满足织物疵点检测的精度要求。

关键词

织物疵点 / 目标检测 / YOLOv8n算法 / GSConv / 三重注意力机制