基于YOLOv8的钛棒表面缺陷检测

来源：电子测量技术杂志2025年第14期北京时间：

作者：窦维嘉，陈凯，王娟平，秦立峰

单位：1.西北农林科技大学机械与电子工程学院 咸阳 712100;2.陕西省农业信息感知与智能服务重点实验室 咸阳 712100; 3.农业农村部农业物联网重点实验室 咸阳 712100;4.陕西信达合瑞科技有限公司 咸阳 71200

摘要：钛棒打磨是钛材型材制造的关键步骤,其表面裂纹检测定位是自动化打磨的基础。针对传统目标检测模型对狭长裂纹检测精度低、泛化能力差、计算效率低等问题,提出基于改进YOLOv8s的DEBM-YOLO模型。通过添加ELA注意力机制捕捉裂纹的长距离空间依赖关系;采用DCNv3卷积模块增强主干网络的感受野和表示能力;使用双向加权特征金字塔结构替换YOLOv8中原有特征金字塔结构改善多尺度特征融合;最后，采用MPDIoU替换CIoU以提升泛化性能和收敛速度。在实地拍摄的数据集上的实验结果表明,改进后的DEBM-YOLO模型参数量下降4.5%,精确度上升1.9%,mAP@0.5上升1.4%,mAP@0.5:0.95上升1.9%,召回率上升4.9%，同时得到了检测精度提升与轻量化。

关键词：目标检测;深度学习;钛棒表面缺陷;YOLOv8;可变形卷积

基金资助：陕西省秦创原“科学家+工程师”队伍建设（2022KXJ-048）、重点项目-秦创原总窗口“四链”融合，人工智能在钛打磨机器人打磨工艺数字产业化的应用研究（2024PT-ZCK-24）、西安市重点产业链技术攻关项目（23ZDCYJSGG0029-2023）、陕西省技术创新引导专项（2024ZC-YYDP-85）项目资助