基于SGF-YOLO的钢板缺陷检测方法

来源：电子测量技术杂志2025年第21期北京时间：

作者：雷超，陈德基，孙家栋，施珮

单位：1.南京信息工程大学计算机学院 南京 210044; 2.无锡学院物联网工程学院 无锡 214105; 3.无锡学院江苏省外国专家工作室-无锡学院物联网工程学院外国专家工作室 无锡 214105

摘要：钢板产品的表面质量对其使用性能和市场竞争力具有重要影响。针对钢板表面缺陷检测精度不足导致的误检频发和漏检严重等问题，本文提出了一种基于YOLOv8n的改进模型SGF-YOLOv8n。首先，引入了Slim-neck结构，以有效减少模型的参数量和计算复杂度，从而提升计算效率。其次，集成GAM注意力机制以增强模型对全局特征的感知能力，从而提高了对细微缺陷的检测性能。最后，采用Focaler-IoU损失函数，进一步优化了模型在处理边界模糊及小尺寸缺陷区域时的定位精度。此外，针对数据集样本量有限问题，本文采用数据增强技术对NEU-DET数据集进行了样本扩充并展开实验。实验结果表明，SGF-YOLOv8n在NEU-DET数据集上的mAP50值达到81.6%，比基线模型提升3.8%。同时，在GC10-DET数据集上的泛化实验中，SGF-YOLOv8n的mAP50达到70.4%，较基线模型提升6.7%。结果表明，本文提出的改进算法具有良好的鲁棒性和有效性。

关键词：钢板表面缺陷检测;YOLOv8n;Slim-neck;GAM;损失函数

基金资助：国家自然科学基金(62072216)、无锡学院引进人才科研启动专项经费（2023r005）项目资助