来源：期刊VIP网 时间：
作者：徐君鹏;林凯凯;梁顺婷;李浩;王文腾;
单位：河南科技学院机电学院;
摘要：针对我国鸡蛋外观缺陷检测依赖人工识别，存在主观性较强、效率低及检测周期长等问题，提出一种基于YOLOv8n的鸡蛋外观缺陷检测模型——YOLOv8-LK。在C2f模块中，引入iRMB（倒置残差移动模块），并引入SWC模块进行二次改进，命名为C2f-iRMB-SWC模块。引入ADown模块，增强多尺度特征表征能力，并结合局部窗口注意力机制，强化遮挡目标的边界敏感性。将基于点采样的动态上采样器Dysample引入模型，增强其对低分辨率和细微缺陷的检测能力。引入WIoUv2损失函数，解决样本不均衡问题，增强模型鲁棒性，提升算法性能。试验结果表明：与基准YOLOv8n模型相比，YOLOv8-LK模型的精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提高1.5,2.7,1.8,4.1个百分点，模型大小从6.1 MB降至5.5 MB，参数量从3.0 MB降至2.6 MB，分别减少9.8%,13.3%。研究为鸡蛋的自动化检测提供技术支持。
关键词：鸡蛋外观检测;;深度学习;;倒置残差移动模块;;轻量化模型
基金资助：河南省科技攻关项目(242102110014);; 河南省高等学校重点科研项目(25CY010)
