来源：期刊VIP网 时间：
作者：徐莲蓉;梁少华;
单位：长江大学计算机科学学院;
摘要：为了更有效地识别钢材表面的细小和复杂缺陷，提出一种改进YOLOv8的钢材表面缺陷检测算法。首先，在原模型的Neck部分引入空间和通道重构卷积SCConv模块，提高模型对小尺度目标缺陷的识别能力；其次，将CA注意力机制模块融合到原始的Backbone中，使模型能够更好地关注目标缺陷的特征信息；接着，采用高效层聚合网络（RepGFPN）模块作为颈部网络，充分融合不同尺度的特征，提高特征融合能力；最后，引入轻量级上采样算子CARAFE，进一步提升模型的检测效果。实验结果显示，在公开的NEU-DET数据集上，改进后模型的平均精度均值（mAP）达到了81.1%，相较于原始YOLOv8模型，mAP提高了2.7%，精确率提升了3.9%。与此同时，在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性，证明了所提算法能够有效地完成钢材表面缺陷的检测任务。
关键词：钢材表面缺陷;;缺陷检测;;YOLOv8算法;;坐标注意力机制;;高效层聚合网络;;识别能力
基金资助：国家科技重大专项（2021DJ1006）;; 湖北省科技示范项目（2019ZYYD016）
