HSED-YOLO：一种轻量化的带钢表面缺陷检测模型

作     者：戴林华 黎远松 石睿 何忠良 李雷 

作者机构：四川轻化工大学计算机科学与工程学院 

出 版 物：《广西师范大学学报(自然科学版)》 (Journal of Guangxi Normal University(Natural Science Edition))

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 注意力机制 损失函数 图像识别 

摘      要：针对当前带钢表面缺陷检测算法的计算复杂度高，检测精度较低，容易产生漏检和误检等问题，本文提出一种轻量化的带钢表面缺陷检测模型HSED-YOLO。首先，将原始YOLOv8n主干网络更换为改进后的HGNetV2，减少特征图计算冗余，从而降低模型的参数量。然后，为了进一步降低模型的复杂度，在模型颈部网络结构中引入Slim-neck结构化设计；同时，在特征融合阶段引入EMA（efficient multi-scale attention module）注意力机制，提高模型的特征提取能力；为了进一步提高模型的检测精度，使用DIoU损失函数设计。最后，在带钢缺陷数据集上进行大量实验，得到改进后模型的参数量和计算量分别为2.1×106和6.1×109，仅为基准模型的70%和75.3%，并且平均精度相比于基准模型提升2个百分点，表明改进网络是有效的。