基于改进YOLOv8的热轧带钢表面缺陷检测方法

摘要

针对目前热轧带钢表面缺陷检测精度低和效率低的问题，提出了一种基于改进YOLOv8s的目标检测算法.首先，提出了一种基于特征图二次拼接并融入GAM的SPPD模块，提升了模型多尺度信息融合能力.其次，提出了一种融合可变形卷积的特征提取模块DCNblock，以增大模型的感受野，提取完整的缺陷信息.最后，将特征融合网络中的C2f模块替换为BoT(bottleneck transformer)结构，将Transformer中的多头自注意力机制与卷积融合，提升模型的全局位置信息感知能力.实验结果表明，本文提出的算法在NEU-DET数据集上的平均精度均值（mAP）达到了80.5%，较原有的YOLOv8算法提升了5个百分点，同时检测速度达到了83帧/s，满足实时检测的需求.

关键词

热轧带钢 / 表面缺陷 / 目标检测 / 深度学习

基金资助

国家重点研发计划资助项目（2022YFB4702201）; 国家自然科学基金资助项目（52375039）