基于正则化YOLO的钢表面缺陷检测方法

作     者：邓焕 

作者机构：湖南工业大学湖南株洲412007 

出 版 物：《科技创新与应用》 (Technology Innovation and Application)

年 卷 期：2024年第14卷第11期

页      面：168-172页

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主　　题：YOLOv8s 钢表面缺陷检测 CA DCN 正则化 

摘      要：钢铁表面常常显示出错综复杂的纹理模式,这些模式与缺陷相似,给准确识别实际缺陷带来挑战。该研究在基线模型YOLOv8s的基础上提出一种基于正则化YOLO框架的钢表面缺陷检测方法。首先,在C2F框架中嵌入了坐标注意力(CA),利用轻量级注意力模块增强骨干网络的特征提取能力。其次,颈部设计采用可变形卷积(DCN)来加权融合多尺度特征图,增强特征融合能力。最后,对模型的损失函数进行正则化,提高模型的泛化性能。模型在NEU-DET数据集上达到77.94%的mAP0.5。相比基线模型提升2.39%。事实证明该方法更适用于工业检测。