基于改进YOLOv8的轻量化钢材表面缺陷检测方法

来源：电子测量技术杂志2025年第24期北京时间：

作者：胥姜苗，曹爽，管海燕

单位：南京信息工程大学遥感与测绘工程学院 南京 210044

摘要：钢材表面缺陷检测是保障制造业产品质量的关键环节，人工目视与基础光学检测方法存在效率低、漏检率高等问题，且现有数据集样本有限制约模型泛化能力。为此，本文提出一种基于LS-DCGAN数据增强与改进YOLOv8的轻量化钢材表面缺陷检测方法。首先针对NEU-DET数据集样本多样性不足的问题，采用LS-DCGAN生成对抗网络进行数据增强，有效补充缺陷样本的形态特征与分布特性；其次对YOLOv8模型进行三重优化提出SPH-YOLO检测算法：重构C2f模块结构增强特征提取能力，嵌入注意力机制提升缺陷区域聚焦度，设计多级特征融合金字塔实现跨尺度信息交互；最后在增强后的NEU-DET与GC10-DET数据集上进行验证，实验表明改进模型在mAP@50%指标上提升3%，参数量减少28.5%，计算量降低12.3%，且改进方法具有泛化能力，检测有效地实现了检测模型轻量化和检测性能的平衡。

关键词：钢材表面缺陷检测;YOLOv8;LS-DCGAN;轻量化模型

基金资助：国家自然科学基金面上项目(41971414)资助