来源：期刊VIP网 时间：
作者：邱永峰;黄萱;袁鑫攀;李威;
单位：湖南工业大学计算机学院;湖南天桥嘉成智能科技有限公司;
摘要：针对复杂背景下钢材表面缺陷检测中存在特征提取不足、参数量大和检测精度低等问题，基于YOLOv8n提出了MHLC-YOLOv8算法，旨在提升检测精度的同时，降低模型的计算量和参数量。首先，设计了CSH-C2f模块，替代原有C2f模块。基于单头自注意力机制和卷积门控线性单元，有效增强了对缺陷特征的提取能力，优化了对全局语义理解，提升了对低对比度缺陷的检测能力。其次，提出TLAD模块，通过动态自适应下采样融合多尺度信息，提高了对关键区域的检测能力，减少了背景干扰。最后，采用Inner-MPDIoU损失函数，优化了边界框回归精度，增强了对不规则缺陷的检测能力，加速模型收敛。实验结果表明，MHLC-YOLOv8在mAP上提升了3.4%，参数量减少至2.3M，计算量降至7.5G，有效平衡了检测精度与参数量，且具有良好的泛化能力，适用于复杂背景下的钢材表面缺陷检测任务。
关键词：缺陷检测;;YOLOv8;;下采样;;单头自注意力机制;;卷积门控线性单元;;Triplet Attention
基金资助：湖南省自然科学基金面上项目（2022JJ30231）
