来源：期刊VIP网 时间：
作者：朱晏梅;林国军;林通;唐青林;
单位：四川轻化工大学人工智能四川省重点实验室;四川轻化工大学自动化与信息工程学院;北京大学智能学院;
摘要：针对YOLOv8n对风机叶片缺陷检测时，在复杂背景和缺陷尺度变化较大情况下检测准确率不高的问题，本研究提出一种基于CSM-YOLOv8n的检测算法。在主干部分，引进CBAM注意力机制增强网络对图像特征的提取能力；将SPPF与ELAN结合组成多尺度特征空间金字塔，提升模型对不同尺度目标的融合性能；创新地在检测头添加MSDA多尺度扩张注意力机制，进一步对不同尺寸缺陷的语义信息进行聚合，提高模型的检测准确度；使用Foacler-IoU边界框损失函数，专注于不同尺寸的回归样本，提高算法的检测性能。在自制的风机叶片缺陷数据集上，对比未改进的YOLOv8n，改进后的算法准确率提高5.4%，召回率提高3.5%,mAP@0.5值提高6%，检测速率为101fps。本研究算法在未明显增加网络参数量的情况下，准确率提升，具有一定的实时检测可行性。
关键词：风机叶片;;缺陷检测;;YOLOv8n;;注意力机制
基金资助：四川省科技厅项目——基于深度字典学习的人脸识别算法研究(No.2024YFHZ0026);四川省科技厅项目——基于慢性帕金森病猕猴模型的运动皮层神经元编码规律研究(No.2022YFSY0056)
