来源：期刊VIP网 时间：
作者：向硕;曾水玲;贺刚健;林方聪;
单位：吉首大学通信与电子工程学院;
摘要：针对酒品包装检测算法在质检任务中存在的精度低、速度慢、复杂度高导致部署性不佳等问题，提出一种基于YOLOv8n改进的轻量化酒品包装检测算法。在主干网络的SPPF模块中增加平均池化支路，对EMA注意力机制进行结构补强，扩增可变核大尺度卷积支路，并将其嵌入到SPPF模块中作为输出端；结合ADown和HWD 2种下采样方法，作为新的下采样模块以减少冗余参数，并保持更丰富的特征信息，加强模型特征表达能力；采用卷积权重共享策略，对检测头进行轻量化改进，并结合深度可分离卷积和分组卷积的模块组合，进一步降低模型复杂度；采用Focaler-PIoU损失函数优化定位损失，加速算法收敛。采用自制酒品包装数据集进行训练和验证，并在阿里云天池的瓶装白酒瑕疵品公开数据集上进行泛化性测试。试验结果表明，相较于基准模型YOLOv8n，改进算法在mAP50,mAP50-95上，分别提高3.5,4.8个百分点，在参数量和计算量上，分别降低33.3%,37.0%；在瓶装白酒瑕疵品公开数据集上，改进算法在mAP50,mAP50-95上分别提高1.5,1.1个百分点，验证改进算法的泛化性。研究为酒品包装的质量检测提供理论支持。
关键词：包装检测;;缺陷检测;;深度学习;;YOLOv8;;轻量化;;注意力机制
基金资助：国家自然科学基金项目（61966014）;; 湖南省自然科学基金项目（2024JJ7413）;; 湖南省研究生科研创新项目（QL20230255,CX20221107）;; 吉首大学科研项目（JGY2023071,JDX202409,JDX202420）
