改进基于YOLOv8的轻量化钢材表面缺陷检测算法

来源：电子测量技术杂志2025年第3期北京时间：

作者：刚帅，刘培胜，郭希旺

单位：辽宁石油化工大学人工智能与软件学院 抚顺 113001

摘要：为了解决钢材表面缺陷检测模型参数量大、计算复杂度高以及对运算平台资源要求高的问题，提出了一种轻量化的改进算法。首先，使用ShuffleNetV2作为改进后的主干层，在降低模型复杂性和计算量上具有显著效果；其次，在SPPF模块后加入足够灵活和轻量的通道注意力机制(CA)，同时使用双向特征金字塔网络(BiFPN)改善特征融合，提高了特征信息流动效率；最后，使用轻量级双卷积核(DualConv)替换C2f中的卷积层,通过分组卷积策略实现参数量的减少。实验结果表明，改进后的模型相比于原始的YOLOv8n，在保持检测精度的前提下，实现了轻量化。参数量为原来的56.2%，体积和计算量分别降至3.6 MB和4.8 GFLOPs，相比原模型分别降低了42.86%和41.47%，模型的轻量化降低了部署成本，适合实际部署和应用。

关键词：YOLOv8n;钢材缺陷;轻量化;缺陷检测;注意力机制

基金资助：辽宁省教育厅高校基本科研项目（LJ212410148034）、辽宁省教育厅兴辽英才计划项目（XLYC1907166）、辽宁省教育厅科学研究基金（L2019027）项目资助