来源：期刊VIP网 时间：
作者：杨奇维;宋蕾;代艳婷;任帅涛;周华;
单位：西南林业大学大数据与智能工程学院;
摘要：针对传统木材表面缺陷检测模型在检测精度和模型参数量优化方面的不足，提出了一种改进的YOLOv8算法——WDDTS-YOLO，使其更适合在实际应用中部署。通过在上采样器DySample增强多尺度缺陷识别、使用下采样SCDown降低成本并保留信息、以及引入SENetV2通道注意力机制优化特征提取。结果表明：改进后模型的平均精度由原始模型的78.2%提升至82.5%，参数量下降约20%。此外，在Jetson平台上加速后进行部署，帧率由4.9 FPS提升至10.5 FPS。研究结果可为木材的自动化检测提供高效、精准的解决方案，有助于推动行业的智能化转型。
关键词：YOLOv8;;WDDTS-YOLO;;木材缺陷检测;;深度学习;;图像识别
基金资助：国家自然科学基金青年项目（31700484）
