来源：期刊VIP网 时间：
作者：刘雄斌;刘志昌;胡念武;姚建武;陈一桢;唐天明;王晚霞;陈寒;
单位：湖北中烟工业有限责任公司;湖北新业烟草薄片开发有限公司;重组烟叶应用技术研究湖北省重点实验室;湖北工业大学机械工程学院;现代制造质量工程湖北省重点实验室;
摘要：针对稠浆法再造烟叶生产中，原料表面缺陷检测存在的多尺度表征能力不足与检测效率低等问题，提出一种基于改进YOLOv8n架构的智能检测网络。通过设计CSP-SDCV模块替代原始C2f模块，以优化特征提取效率，引入ADown模块增强多尺度特征表征能力，采用轻量化共享卷积检测头降低参数冗余，并结合局部窗口注意力机制强化遮挡目标的边界敏感性。试验结果表明，改进模型在烟叶缺陷数据集上的m AP@50达到98.1%，较基准模型YOLOv8n提升1.8个百分点，参数量与计算量分别减少54.4%,50.6%。研究为烟草工业自动化质检提供高精度、低资源消耗的解决方案。
关键词：烟叶缺陷检测;;多尺度特征融合;;轻量化检测头;;局部窗口注意力;;YOLOv8n
基金资助：湖北省科技创新人才计划项目（2023DJCO68）;; 湖北省中央引导地方科技发展专项（2024EIA041）
