改进YOLOv8的带钢缺陷检测

来源：计算机工程与应用杂志2024年第21期北京时间：

作者：马金林, 曹浩杰, 马自萍, 林宝宝, 杨继鹏

单位：1.北方民族大学 计算机科学与工程学院，银川 750021；2.图像图形智能处理国家民委重点实验室，银川 750021；3.北方民族大学 数学与信息科学学院，银川 750021

摘要：针对带钢表面缺陷检测精度不足的问题，提出一种改进的YOLOv8n检测模型。基于可变形卷积对Head网络中的C2f模块进行了重新设计；通过利用采样点的可变性，有效提高了对表面不规则缺陷的检测能力。添加多头自注意力机制捕捉不同的关注点，从而提供全面且多样化的特征表示，进一步增强模型的检测性能。拼接Backbone和Head的特征，提升特征的质量和丰富度，解决缺陷局部信息丢失问题。在NEU-DET带钢数据集的实验验证中，该方法在平均精度和mAP50上较YOLOv8n分别提升了5.6和2.2个百分点。值得注意的是，裂纹缺陷的检测精度和mAP50分别提升了15.2和9.9个百分点，效果显著。

关键词：目标检测,表面缺陷,可变形卷积,YOLOv8