来源：期刊VIP网 时间：
作者：杨玉林;南明澍;程长;霍军周;
单位：中铁十九局集团第一工程有限公司;大连理工大学机械工程学院;
摘要：随着工业化进程加快，金属结构件广泛被应用到生产中。而金属部件随着使用时间增加，不可避免会产生裂纹，裂纹的及时检测具有重要意义。为解决现有检测模型对金属裂纹目标检测精度不高，效果不理想的问题，提出了一种基于YOLOv8算法的改进模型。该模型首先获取了金属裂纹图像并进行一系列数据增强，构建了金属表面裂纹数据集；其次，提出增加一层预测特征层，充分利用网络提取的浅层特征图所包含的位置信息；此外，在骨干网络中增加了ELA注意力机制，增加了模型对图像目标区域的关注程度；最后将模型的损失函数调整为SIOU损失函数，优化了目标边界框的回归性能。在所搭建的数据集上开展测试，实验数据表明改进的YOLOv8算法平均均值精度（mAP）达到69.6%，相较于原算法提高6.4%，在金属裂纹检测中实现了较好的检测效果。
关键词：YOLOv8;;金属裂纹;;目标检测;;注意力机制
基金资助：国家自然科学基金（ZX20220240）;; 辽宁省重大科技专项（2022JH1/10400031）;; 辽宁省科技计划联合计划（2023JH2/101700286）
