基于改进YOLOv8的轻量化皮革缺陷检测方法

来源：电子测量技术杂志2025年第1期北京时间：

作者：方明，张娇，徐晶，王绎覃

单位：1.长春理工大学人工智能学院 长春 130022; 2.长春理工大学计算机科学技术学院 长春 130022; 3.长春理工大学中山研究院 中山 528403

摘要：为了解决YOLOv8参数量过大影响检测速度等问题，本文以汽车座椅皮革为样本对汽车座椅表面进行缺陷检测，提出了一种轻量化的基于YOLOv8框架的皮革缺陷检测算法。首先，将YOLOv8原本的主干网络替换成轻量化网络StarNet，StarNet通过星型运算实现了高维和非线性特征空间的映射，从而在紧凑的网络结构和较低的能耗下展示了出色的性能和低延迟。其次，将原本的检测头替换成轻量级共享卷积检测头，通过使用共享卷积，可以大幅减少参数数量，使得模型更轻便，以便于在资源受限的设备上部署。最后，将颈部网络的C2f模块替换成C2f_Star模块，在网络更加轻量化的同时，将不同尺度的特征图进行融合，提高目标检测的准确性和鲁棒性。在自制的HSV-Leather数据集上对模型进行实验验证，结果表明，改进后的YOLOv8-Leather检测模型性能优于YOLOv8n模型。对比YOLOv8n模型，改进后的模型在参数量上降低了57%，检测速度提升了20%，模型权重降低了52%，运算量降低了53%。实验验证了改进后的模型在解决皮革表面缺陷检测问题上的可行性。

关键词：皮革缺陷检测;YOLOv8;目标检测;轻量化;StarNet

基金资助：中山市科技局引进科研创新团队项目(CXTD2023005)资助