基于改进YOLOv8的钢材质表面缺陷检测

摘要

随着新一代信息技术与制造业的深入融合，制造产业发生巨大变革，工业生产中表面缺陷的检测愈发重要。针对钢表面缺陷检测中存在漏检和误检以及检测精度不高等问题，提出一种基于YOLOv8改进模型的算法。首先，在主干网络中将原有C2f模块融合了一种空间和通道重建卷积模块，减少了密集模型参数中的固有冗余，进一步构建轻量级网络模型；然后，在Neck阶段使用双向特征金字塔网络代替路径聚合网络，旨在使用有效的特征融合方式提高算法的检测性能；最后，使用Wise-IOUv1代替原YOLOv8中的CIOU来优化损失函数。实验证明，改进后的YOLOv8算法与原算法相比，m AP提高了8.1百分点，计算量降低了9.6百分点，检测速度提高了8.7百分点，检测效果优于原算法，很大程度提高了钢表面缺陷检测的检测性能。

关键词

缺陷检测 / YOLOv8 / 空间和通道重建卷积 / 特征融合 / Wise-IOUv1