来源：期刊VIP网 时间：
作者：刘琦;马行;穆春阳;
单位：北方民族大学电气信息工程学院;北方民族大学宁夏智能信息与大数据处理重点实验室;北方民族大学机电工程学院;
摘要：针对铸造生产过程中铸件表面多肉缺陷数据集少、复杂环境下人工检测困难以及检测效率较低等问题，文中基于YOLOv8提出改进算法。对数据进行增强处理，以便提升模型的鲁棒性，更贴合实际环境；引入残差网络Resnet替换网络主干部分，提高模型提取目标特征的能力；对Neck部分进行重构，避免参数量的增加；在网络的输出末端加入具有注意力机制的Dynamic Head检测头，将模型对目标感知和表达的能力进一步提高；在训练模型能力过程中加入MPDIoU损失函数，强化模型对于目标边框的处理，提高模型对铸件多肉缺陷的识别精准度。实验结果表明，改进的YOLOv8模型在检测铸件多肉缺陷数据集上的mAP相比原模型提升2.2%，提升了小目标识别精度，正确检测率提高了16.1%。
关键词：缺陷检测;;铸件多肉缺陷;;YOLOv8;;注意力机制;;Resnet;;Dynamic Head
基金资助：宁夏回族自治区科技创新团队发展计划资助项目(2024CXTD001);; 宁夏回族自治区重点研发计划资助项目(2021BEE03002);; 银川市科技创新资助项目(2022GX04)
