改进YOLOv8的烟盒缺陷检测算法

来源：电子测量技术杂志2024年第13期北京时间：

作者：王震洲，杨榕，宿景芳

单位：河北科技大学信息科学与工程学院 石家庄 050018

摘要：近年来，人们对于烟盒包装质量的要求越来越高，在现代化的生产中，烟盒的生产速度大幅度提升，生产设备也都实现了智能化。但是，对于烟盒的表面质量检测仍然采用人工的方式进行。针对人工烟盒表面缺陷检测容易发生漏检、错检等问题，提出了一种基于改进YOLOv8的烟盒缺陷检测算法。首先在YOLOv8的颈部网络引入了GD机制，提高了模型对于不同层级间的信息融合能力；其次加入了尺度序列特征融合模块，增强了网络对不同尺度信息的提取能力；最后使用RT-DETR的Decoder替换YOLOv8的头部网络，这使得网络模型无需依赖于复杂的NMS后处理步骤，大大简化了检测流程并提高了效率。实验结果表明：改进后的算法模型在自制的烟盒缺陷数据集上与YOLOv8算法相比检测精度提升到了94.6%，检测速度达到了121.4 FPS。并且与其他目标检测算法相比，改进后的算法在检测精度和检测速度方面有一定的优势，更适合应用在烟厂对烟盒表面质量的检测。

关键词：烟盒缺陷检测;YOLOv8;GD机制;SSFF;RT-DETR Decoder

基金资助：河北省教育厅青年基金(QN2023185)项目资助