来源：期刊VIP网 时间：
作者：张学林;闵悦;熊金泉;丁文超;
单位：江西服装学院大数据学院;江西服装学院服装设计学院;上海同温层科技有限公司;
摘要：为了解决织物生产过程中，瑕疵检测存在的准确率低、检测速度慢的问题，提出一种基于YOLOv8改进算法的织物瑕疵检测方法。首先，借鉴轻量化的StarNet重新设计了主干网络结构，降低模型参数量，提升检测速度；其次，设计了一种基于Sobel算子的边缘信息增强卷积，以获取瑕疵的边缘信息，提升瑕疵特征的提取能力；最后，在回归损失函数中引入对不同尺度的物体不敏感的NWD损失函数，提高对小目标瑕疵识别的检测能力。实验结果表明：改进后的YOLOv8算法平均检测精度较原模型提升1.5%,模型计算量较原模型下降10.59%,证明了算法改进的有效性。
关键词：YOLOv8;;瑕疵检测;;StarNet;;Sobel算子;;NWD损失函数
基金资助：教育部人文社会科学研究项目(22YJA760060);教育部产学研项目(202102001044)
