YOLOv8-FD：YOLOv8改进的钢板表面缺陷检测方法

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：马磊, 李晔, 王宇翔

单位：太原科技大学 电子信息工程学院，太原 030024

摘要：钢材表面缺陷检测是缺陷检测领域中的一个重要挑战，当前仍存在漏检误检严重情况，其检测准确度直接关系到产品质量，甚至可能危及生命安全。同时，将这项技术应用到实际生产中需要考虑资源节约和成本降低。为了解决这些问题，引入了一种基于轻量化检测模型YOLOv8-FD的方法。该算法采用了三大策略：（1）在C2f中增加特征提取模块，以更好地理解和利用输入图像信息，并引入DCN以增强特征提取能力，提升目标检测性能；（2）提出了DUFPN来更有效地融合上下文特征，大幅减少参数量和计算量，实现网络的轻量化；（3）引入W-CIOU（Weight-CIOU）作为边界框损失函数，更好地衡量目标之间的相似性，加速收敛，提高目标检测精度。实验结果显示，与基线相比，该模型的mAP提高了5个百分点，R提高了3.3个百分点，参数量减少了27%，计算量减少了35%。此外，通过在APSPC和VOC2007数据集上的验证，证实该算法具有良好的鲁棒性。

关键词：缺陷检测,钢板缺陷,YOLOv8,轻量化