《电子测量技术杂志》发表论文赏析

用于缺陷检测的YOLOv8轻量化设计方法

来源:电子测量技术杂志2025年第4期北京时间:

作者:艾峰,邓耀华

单位:广东工业大学机电工程学院 广州 510006

摘要:在大规模制造的端侧产线工业质检应用中,由于算力、成本和功耗等因素的限制,将深度学习模型裁剪并部署到小型算力的边缘设备上变得尤为重要。针对铝型材复杂缺陷检测这一应用场景,基于YOLOv8设计了缺陷检测模型。首先,通过轻量化结构设计,结合局部自注意力机制提升细微缺陷提取能力;采用空间通道下采样替代传统下采样卷积;并提出结合混合局部通道注意力机制的C2f-M模块。然后,基于双向特征金字塔网络设计了SC-BiFPN颈部网络,增强了多尺度特征融合能力。接着,设计任务动态对齐的特征检测头TDADH,充分利用多层次特征,实现更精准的目标定位与分类;采用MPDIoU损失函数增强边界框回归能力。最后,通过Taylor方法对YOLOv8进行裁剪,显著减少模型参数量和计算成本。实验结果表明,轻量化YOLOv8模型在铝材表面缺陷数据集上的参数量降低至原模型的36.7%,计算量减少40%,模型体积缩小62%;同时,检测精确度、召回率及mAP@50.95分别提升0.3%、1.1%、4.8%。该方法有效解决了端侧部署中的计算复杂度与检测性能平衡问题,为小型算力硬件上的高效缺陷检测提供了可行方案。

关键词:缺陷检测;双向特征金字塔;损失函数;任务动态对齐;剪枝

基金资助:广东省省级科技计划项目(2023A0505050151)资助

2025年4期其他文献查阅:

基于差分进化算法的PMSM模糊反步控制

基于无磁芯微型变压器的高效率隔离DC-DC设计

基于US-FMT*算法的机械臂路径规划

电控空气悬架阻尼分频混合控制策略研究

基于LACNN的FMCW雷达实时跌倒检测方法

融合人工势场灰狼算法的移动机器人路径规划

基于超参数优化的重质碳酸钙粉体粒度预测研究

基于模糊神经网络的PEMFC输出电压自抗扰控制策略

基于AO-AVOA-BP神经网络模型的锂电池SOH预测

考虑多尺度时空因果特征的排球群体行为识别

基于时延估计与终端滑模的无人船跟踪控制

基于二级控制64极板平面阵列传感器的ECT系统

瑞利波-体波复合EMAT及缺陷检测研究

面向遥感图像的轻量化小目标检测算法研究

基于ISGMD-WT的矿井声发射信号去噪方法

人工心脏泵用锂电池关键健康因子估计

融合双通道卷积和改进型Conformer的两阶段语音增强算法

改进YOLOv10的钢材表面缺陷检测方法

基于高阶空间特征聚合的车型识别算法

用于缺陷检测的YOLOv8轻量化设计方法

融合多尺度特征和自适应NMS的3D目标检测

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!