DCD-YOLOv8n：一种高效的钢材表面缺陷检测算法

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：梁礼明, 陈康泉, 钟奕, 龙鹏威, 冯耀

单位：江西理工大学 电气工程与自动化学院，江西 赣州 341000

摘要：针对现有钢材表面缺陷检测算法资源消耗较大、检测精度和效率较低等问题，提出一种基于YOLOv8n的高效钢材缺陷检测算法（DCD-YOLOv8n）。该方法一是设计轻量化的多分支特征聚合网络，有效精简模型体积并提升检测速度；二是利用跨维度聚合模块，通过自适应机制建模多维度特征，以提升检测精度；三是采用可变形多头注意力机制，动态调整注意力的形状和范围，有效应对形态多样和结构复杂的缺陷特征，从而提升检测性能。在Severstal和NEU-DET钢材缺陷数据集上进行实验验证，相较于YOLOv8n算法，DCD-YOLOv8n算法的mAP分别提高2.4个百分点和1.9个百分点；参数量和复杂度分别降低0.5×106和1.9×109；FPS分别提升22帧和7帧。实验结果表明，该算法在平衡计算开销、检测精度和效率方面表现优异，具有一定的实际部署应用价值。

关键词：缺陷检测,YOLOv8n,多分支特征聚合网络,跨维度聚合模块,可变形多头注意力机制