基于YOLOv8改进的指针式仪表检测算法

来源：电子测量技术杂志2026年第6期北京时间：

作者：孙小龙，许燕

单位：新疆大学机械工程学院 乌鲁木齐 830047

摘要：针对室内外复杂场景中，由于拍摄距离较远导致仪表区域像素比例较小，从而引发表盘检测精度低、漏检率高以及实时性差等问题，提出了一种基于YOLOv8改进的指针仪表检测算法——GRCP-YOLOv8。首先，设计了一种融合CGA注意力机制的C2f_CGA模块，以增强模型对不同尺度特征的表达能力，并替代了主干网络中的所有C2f模块。其次，提出使用RFAConv替代传统卷积层，以解决普通卷积模块由于参数共享带来的特征表达不足问题。继而，设计了新型颈部网络结构CCFPN，通过引入主干网络提取的高分辨率特征图，提升了对小目标的感知能力，并通过1×1卷积减少卷积层通道数，从而减小了模型的参数量与计算量。最后，基于重参数化卷积（RepConv）设计了新的检测头——RepHead，有效降低了推理阶段的计算量和内存消耗。实验结果表明，改进后的算法在精度、召回率和mAP@50上的表现分别为94.3%、91.6%和92.5%，相比YOLOv8n模型，召回率和mAP@50分别提升了1.3%和1.2%。在计算复杂度和参数数量上分别降低了39%和27%，且模型体积仅为4.22 MB，表明所提算法在提升检测准确率的同时，更适合部署于边缘设备。

关键词：YOLOv8;目标检测;指针式仪表;轻量化;注意力机制

基金资助：新疆维吾尔自治区天山英才培养计划（2022TSYCLJ0044)项目资助