来源：期刊VIP网 时间：
作者：陈泽纯;林富生;张庆;宋志峰;刘泠杉;余联庆;
单位：武汉纺织大学机械工程与自动化学院;三维纺织湖北省工程研究中心;湖北省数字化纺织装备重点实验室;武汉纺织大学纺织科学与工程学院;
摘要：针对织物疵点检测算法计算复杂且难以部署，织物缺陷目标小、尺度变化大导致检测精度低、易漏检等问题，提出基于改进YOLOv8n的织物疵点检测算法(YOLOv8n-CMB)。首先在主干网络引入轻量级通道优先卷积注意力模块(CPCA),实现在通道和空间维度上注意力权重的动态分配，提高网络对小目标的感知能力；其次将Backbone层中的部分C2f模块替换为轻量级MobileViTv3模块，以扩大网络感受野，增强模型对小目标缺陷的检测能力；最后使用双向特征金字塔网络(BiFPN)改进路径聚合网络(PANet),有效解决网络冗余和计算量复杂的问题。实验结果表明：YOLOv8n-CMB算法与原始YOLOv8n模型相比，平均精度均值提高了4.4个百分点，参数量减少了10%,在保证模型轻量化的同时具有较高的检测精度，为纺织领域提供了更好的检测思路。
关键词：YOLOv8n;;MobileViTv3;;特征金字塔;;注意力模块;;织物疵点
基金资助：国家留学基金管理委员会资助项目(202310810005)
