基于改进YOLOv8的带钢表面缺陷检测算法

作     者：戴林华 黎远松 石睿 

作者机构：四川轻化工大学计算机科学与工程学院 

出 版 物：《制造技术与机床》 (Manufacturing Technology & Machine Tool)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 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] 

基　　金：国家自然科学基金(42074218) 

主　　题：缺陷检测 YOLOv8 可变形卷积 注意力机制 inner-IOU 

摘      要：针对带钢表面缺陷检测用于尺度多变、背景复杂的缺陷容易产生漏检和误检，以及检测精度不佳等问题，提出了一种基于YOLOv8的带钢表面缺陷检测算法。首先，为了提高主干网络的特征学习能力，将可变形卷积DCNv2引入到主干网络中，并同时融入动态卷积（dynamic convolution）模块，通过扩大感受野有效提高网络的特征提取能力。然后在特征融合中，采用更加高效的Dysample上采样方法。引入通道注意力机制模块SE（squeeze and excitation），提高网络对深层特征信息的提取能力。最后，使用DIOU结合inner-IOU作为损失函数，进一步提高算法的检测精度。并在NEU-DET数据上进行大量实验，结果表明，改进后的算法平均检测精度提高了2.2%，达到了79.5%。此外，在GC-10数据集上的实验结果表明该方法具有良好的鲁棒性。