基于改进YOLOv8n的铝型材表面缺陷检测方法研究

摘要

针对铝型材表面缺陷检测中检测速度慢、检测精度低等问题，提出一种基于改进YOLOv8n的检测模型DML-YOLOv8n.首先，在主干网络中融合多尺度局部通道注意力机制，强化特征捕获能力；然后，在颈部结构中引入大型可分离核注意力模块，增强多尺度特征融合，提升检测目标准确性；最后，采用DySample上采样算子，减少特征损失并提升小目标识别能力.试验表明，相比YOLOv8n模型，DML-YOLOv8n模型在铝型材表面缺陷数据集上的mAP@0.5达到82.8%,提升8.2%;帧率达到187.3 f/s,提升55.1 f/s;模型参数量降低9.7%,计算量减少4.9%.该算法应用在东北大学热轧带钢表面缺陷数据集上表现出良好鲁棒性，能够提高不同光照条件和复杂背景下铝型材表面缺陷检测的精度.

关键词

表面缺陷检测 / YOLOv8n / DySample上采样算子 / 大型可分离核注意力模块

基金资助

南京工程学院产业经济与创新管理研究院开放基金项目(JGKB202203)