来源：期刊VIP网 时间：
作者：戴林华;黎远松;石睿;何忠良;李雷;
单位：四川轻化工大学计算机科学与工程学院;
摘要：针对当前带钢表面缺陷检测算法计算复杂度高、检测精度较低、容易产生漏检和误检等问题，本文提出一种轻量化的带钢表面缺陷检测模型HSED-YOLO。首先，将原始YOLOv8n主干网络更换为改进后的HGNetV2,减少特征图计算冗余，从而降低模型的参数量。然后，为了进一步降低模型的复杂度，在模型颈部网络结构中引入Slim-Neck结构化设计；同时，在特征融合阶段引入EMA(efficient multi-scale attention module)注意力机制，提高模型的特征提取能力；为了进一步提高模型的检测精度，使用DIoU损失函数设计。最后，在带钢缺陷数据集上进行大量实验，得到改进后模型的参数量和计算量分别为2.1×10~6和6.1×10~9,仅为基准模型的70%和75.3%,并且平均精度相比于基准模型提升2个百分点，表明改进模型是有效的。
关键词：缺陷检测;;带钢;;YOLOv8;;注意力机制;;损失函数;;图像识别
基金资助：国家自然科学基金(42074218)
