改进YOLOv8的轻量级瓷砖表面缺陷检测

来源：计算机工程与应用杂志2024年第18期北京时间：

作者：余松森, 薛国鹏, 何皇, 赵桂, 文火生

单位：华南师范大学 软件学院，广东 佛山 528225

摘要：在瓷砖表面缺陷检测方面，在保证一定检测速度的前提下，对于小目标缺陷的检测较为困难，总体检测精度依然较低。提出了一种改进YOLOv8的瓷砖表面缺陷检测方法。第一，对原始的大幅面瓷砖数据集进行数据预处理，通过切片操作得到适合YOLOv8输入尺寸的瓷砖数据，防止瓷砖缺陷在缩放的过程中丢失；第二，考虑到瓷砖表面存在小目标缺陷的占比较大问题，使用SPD-Conv的结构代替传统的下采样方式，能够完整地保留通道维度中的所有信息，从而提高对小目标缺陷的检测能力；第三，对YOLOv8中原有的C2f模块进行改造，加入了Efficient Channel Attention注意力机制，设计了C2f_ECA模块，并在backbone网络中进行替换，使得网络在特征提取的过程中能够更为关注缺陷信息，减少背景信息的干扰；第四，添加了微小目标检测头在第二次下采样后进行检测，提高YOLOv8对微小目标的检测能力。该方法在天池瓷砖瑕疵检测数据集上进行实验验证，改进后的模型分别在mAP50-95、mAP50和mAP75上达到57.7%、86.6%、60.6%，比基础网络YOLOv8s分别提升了9.4、5、14.3个百分点。同时，高于YOLOv8m的精度和远低于YOLOv8m的复杂度，属于轻量级模型，符合工业化的需求。

关键词：深度学习,目标检测,瓷砖表面缺陷检测,YOLOv8,注意力机制