改进YOLOv8n的乳胶手套表面缺陷检测算法

摘要

针对乳胶手套表面小目标和低对比度缺陷检测精度低的问题，提出一种改进YOLOv(You Only Look Once version)8n的乳胶手套表面缺陷检测算法。在特征提取网络中引入感受野注意力卷积模块，通过动态调整感受野内的空间特征权重，增强网络对缺陷特征的关注能力。基于多尺度卷积对C2f模块进行重设计，通过多尺度卷积核捕获浅层特征的上下文信息，提升网络对浅层特征的提取能力。最后，在特征融合网络中添加上下文和空间特征校准网络，通过特征校准实现对上下文信息和空间特征的细化与对齐，进一步增强缺陷特征的表达能力。实验结果表明，在自制数据集上，改进算法的平均精度均值（mean Average Precision,mAP）达到了93.2%，较YOLOv8n提升了3.1%，有效提高了乳胶手套表面缺陷检测精度。另外，在VisDrone2019Det和钢铁缺陷检测数据集上的mAP分别达到了36.1%和79.8%，较YOLOv8n分别提升了1.1%和2.7%，进一步验证了改进算法的有效性。

关键词

小目标检测 / 缺陷检测 / YOLOv8n / 特征增强 / 多尺度卷积