基于轻量化YOLOv8-GECS的织物疵点检测算法

摘要

针对织物疵点检测模型因占用内存空间大、计算复杂度高、疵点目标小，难以满足纺织品检测精度和检测速度要求的问题，提出一种基于改进YOLOv8n的轻量化织物疵点检测模型(YOLOv8-GECS)。设计GvanillaNet网络替换基线模型的主干网络，消除冗余的分支结构，大幅减少模型的参数量。在颈部网络部分引入轻量化CARAFE上采样算子，在少量增加计算成本的同时，扩大了模型的感受野。使用GSConv卷积搭建的Slim-Neck设计范式对模型进行轻量化改进，在减少模型参数量的同时最大程度保留通道的隐藏连接。提出ERSCA注意力机制，该模块不仅能从通道和空间维度上提取更丰富的语义信息，还能自适应地聚焦关键的疵点特征，显著增强了对目标疵点的检测效果。试验结果表明：改进后的YOLOv8-GECS模型参数量、计算量为原YOLOv8n模型的52.1%、57.3%,FPS提高了35.8帧/s,平均精度均值达92.5%,较原始模型提高了3.5%,为织物疵点检测领域提供了解决方案。

关键词

YOLOv8n / 织物 / 疵点检测 / ESCA注意力机制 / 轻量化

基金资助

国家留学基金管理委员会资助项目(202310810005)