来源：期刊VIP网 时间：
作者：刘玉娜;马双宝;
单位：武汉纺织大学机械工程与自动化学院;湖北省数字化纺织装备重点实验室(武汉纺织大学);
摘要：为应对织物疵点目标检测中背景纹理复杂以及硬件资源有限问题，本文提出一种基于改进YOLOv8n的轻量化织物疵点检测算法(GSL-YOLOv8n)。首先，为减少YOLOv8n模型参数量与网络结构复杂度，结合Ghost思想构建C2fGhost模块，并用Ghost卷积层替换YOLOv8n网络结构的普通卷积(Conv);其次，在主干网络末端嵌入无参注意力机制SimAM,去除冗余背景，增强小目标语义信息和全局信息，增强网络特征提取能力；最后，设计轻量化共享卷积检测头LSCDH,运用Scale层对特征进行缩放，在保证模型轻量化的同时尽可能减少精度损失。改进后的算法GSL-YOLOv8n相比原YOLOv8n模型平均精度提升0.60%,达到98.29%,检测速度FPS基本保持不变，模型体积、计算量和参数量分别减少66.7%、58.0%和67.4%,满足纺织工业生产对织物疵点检测的应用要求。
关键词：织物疵点;;YOLOv8;;GhostNet;;注意力机制;;轻量化;;目标检测
基金资助：国家自然科学基金(62103309);; 湖北省数字化纺织装备重点实验室公开项目(DTL2022007)
