来源：期刊VIP网 时间：
作者：蒋明宇;吴斌;张红英;
单位：西南科技大学信息工程学院;
摘要：针对织物缺陷种类繁多、尺度变化大以及小目标漏检等问题，提出了一种基于YOLOv8s的特征融合改进算法。首先在Neck层引入加权特征融合策略，并设计了多分辨率特征层聚合模块CWcat,通过加权融合不同尺度的特征信息，显著提升了检测精度，同时仅增加少量计算成本；其次，采用VOVDGSCSP特征融合模块优化了Neck层的多层特征信息融合，提高了小目标检测的精度，并有效降低了计算复杂度；最后，采用SIoU损失函数替代原有的边框损失函数，增强了类别分类能力和训练收敛性，提高了模型的稳定性。实验结果表明：改进后的算法在天池织物数据集上取得了86.0%的mAP@0.5、88.5%的精确率和78.5%的召回率，分别较原YOLOv8s提升3.3%、2.1%和3.0%;参数量和计算量分别降低了5.5%和3.4%。该改进算法在织物缺陷检测中表现出显著精度和效率提升，能更好地应对实际生产中的检测挑战。
关键词：织物疵点;;YOLOv8s;;加权特征融合;;GSConv;;VOVGSCSP;;SIoU
