来源：期刊VIP网 时间：
作者：付赫;王桂英;
单位：东北林业大学家居与艺术设计学院;
摘要：针对饮料包装生产线上缺陷检测精度低和速度慢等问题，提出一种基于改进YOLOv8的轻量化饮料包装缺陷检测算法（Light YOLOv8-DP），以提升小目标检测精度，降低计算资源消耗。在YOLOv8的Backbone骨干网络中引入RepStreamGhost(RSG)模块以替代C2f模块，实现梯度流通优化；将YOLOv8的Neck特征融合网络替换为Small Target Boost Pyramid(STBP)结构，通过AdaptiveOK(AOK)模块增强特征提取的多尺度表现；采用重参数轻量化共享卷积的Rep Shared Convolutional Detection(RSCD)检测头，减少参数量和计算复杂度；通过构建饮料包装缺陷数据集进行试验验证。结果表明，Light YOLOv8-DP算法平均精度达到85.5%，召回率达到82.1%，精确率达到83.8%，较原始YOLOv8分别提高2.3%,3.3%,3.9%；检测速度达到259.26帧/s，较原始YOLOv8提高43.65帧/s。对改进后的算法进行实时检测验证，F1分数提高1.7，单张图片的处理速度提高0.7 ms。研究为食品包装的自动化检测提供新思路。
关键词：YOLOv8;;缺陷检测;;RSG模块;;AOK模块;;RSCD检测头
基金资助：国家自然科学基金项目（32071692）
