来源：期刊VIP网 时间：
作者：李凯;孙志伟;
单位：天津科技大学人工智能学院;
摘要：针对目前钢材表面缺陷检测模型存在参数量大和计算复杂度高的问题，本研究提出一种基于改进YOLOv8的钢材表面缺陷轻量化算法CGV-YOLO。首先该算法在优化网络架构的过程中，设计了FRC模块并嵌入主干网络；接着使用GSConv卷积搭建Slim-neck颈部网络结构，在保证模型准确性前提下进一步降低计算量；最后，将优化后的CBAM替换YOLOv8主干网络的C2f模块，减少模型参数和计算量。在NEU-DET和BSD数据集上，CGV-YOLO算法的F1＿Score指标较基线模型分别提升1.3%和1.1%。在NEU-DET数据集上，模型的参数量和计算量较基线模型分别下降30.6%和35.3%，这表明算法在保持了模型精度的同时较大幅度降低了参数量和计算量，实现了轻量化效果。
关键词：表面缺陷检测;;YOLOV8;;轻量化网络;;Slim-neck
基金资助：国家自然科学基金委员会(No.52378254)
