来源：期刊VIP网 时间：
作者：王川;李晓龙;王公轲;段德全;常升龙;
单位：河南师范大学计算机与信息工程学院;河南师范大学软件学院;河南师范大学材料科学与工程学院;
摘要：针对织物瑕疵检测中瑕疵种类多样、部分瑕疵极小并存在着极端长宽比等问题，提出一种基于改进YOLOv8的织物瑕疵检测算法模型RDF-YOLOv8n。首先，在YOLOv8基线模型中引入感受野注意力卷积RFAConv,构建C2f＿RFAConv模块，增强模型对部分缺陷特征的提取能力；其次，引入可变性大核注意力(Deformable-LKA)加入C2f中，组成C2f＿DLKA模块，提高模型细小缺陷类型的检测能力；最后，采用Focaler＿CIoU损失函数替代原有的损失函数，显著加快模型的收敛速度。结果证明：RDF-YOLOv8n模型的平均精度值(mAP值)为60.1%,相较于原模型平均精度均值提升了7.7%,推理速度为69帧/s,模型大小为9.3 MB,满足低算力设备部署条件，达到在生产中对织物瑕疵检测标准的要求。
关键词：YOLOv8;;织物瑕疵检测;;RFAConv;;注意力机制;;Focaler＿CIoU
基金资助：国家自然科学基金项目(62072159);; 河南省科技攻关项目(232102211061,222102210011,252102111168)
