面向工业表面缺陷检测的改进YOLOv8算法

来源：计算机工程与应用杂志2024年第14期北京时间：

作者：苏佳, 贾泽, 秦一畅, 张建燕

单位：河北科技大学 信息科学与工程学院，石家庄 050018

摘要：针对工业缺陷对比度低、周围干扰信息多导致的误检率和漏检率高的问题，提出一种基于改进YOLOv8的工业表面缺陷检测算法EML-YOLO。通过设计一种高效大卷积模块（efficient large kernel，ELK），在保留空间信息的同时提供多尺度的特征表示，从而提高模型的特征提取能力；提出多支路并行的特征融合模块（multi-scale context module，MCM），使得模型能够获取丰富的特征信息和全局上下文信息；在Neck模块中通过特征压缩和精简来减少模型的参数量和计算量，让模型更适用于资源有限的工业场景。采用GC10-DET和DeepPCB两个工业表面缺陷数据集来验证改进的EML-YOLO算法的有效性。实验结果表明，在GC10-DET数据集和DeepPCB数据集上，检测准确率上分别提高了4.3个百分点和2.9个百分点，参数量仅2.7×106。所提算法可以较好地应用于工业缺陷检测场景。

关键词：缺陷检测,高效大卷积模块,多尺度特征,特征压缩,YOLOv8