来源：期刊VIP网 时间：
作者：侯曼婷;陈鹏;张文康;刘洋;莫逸伟;王轶琼;邓超;
单位：韩山师范学院数学与统计学院;深圳职业技术大学数字传媒学院;湖北美术学院视觉艺术设计学院;深圳中华商务安全印务股份有限公司;
摘要：随着包装检测智能化发展，传统人工目测方法在绳结缺陷检测中存在效率低、漏检率高的问题，而该领域尚未建立专用数据集且研究空白。为此，本研究构建了多场景穿绳打孔类手提袋绳结缺陷数据集szknot，并提出创新模型CB-YOLO-Knot。该模型基于YOLOv8n框架，在主干和颈部网络中嵌入改进型CBAM模块，通过多尺度卷积、局部最大池化细粒度通道关系建模优化模型检测多尺度特征的性能。同时引入BiFPN结构实现加权特征融合，显著提升模型泛化能力。实验结果显示，在自建的sz-knot数据集上，改进模型准确率（79.4%）、召回率（83.1%）、mAP@0.5(87.3%)等指标，较原模型提升3.3%～5.2%,F1分数达81.21，且综合性能优于YOLOv11等对比模型。本研究为工业质检提供了高精度解决方案。
关键词：绳结;;YOLOv8;;目标检测;;缺陷检测
基金资助：广东省教育厅科研项目(No.2024CJPT002);; 2025大学生创新训练计划项目(No.202510523015)
