轻量化YOLOv8的小样本钢板缺陷检测算法

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：窦智, 高浩然, 刘国奇, 常宝方

单位：河南师范大学 计算机与信息工程学院，河南 新乡 453007

摘要：钢板的表面积较大，表面缺陷非常常见，且呈现多类少量的特点。深度学习很难有效应用于此类小样本缺陷的检测中。为了解决此问题，提出一种基于轻量化YOLOv8的小样本钢板缺陷检测算法，提出一种基于模糊搜索的交互式数据增强算法，可有效解决训练样本缺失导致网络模型无法得到有效训练的问题，使深度学习应用于该领域成为可能。设计LMSRNet（lightweight multi-scale residual networks）网络替换YOLOv8的主干，以实现网络模型的轻量化，并提高其可移植性。提出CBFPN（context bidirectional feature pyramid network）和ECSA（efficient channel spatial attention）模块，使网络能更有效地提取并融合伤痕特征，同时采用Wise-IoU损失函数以提高检测性能。对比实验结果表明，与原YOLOv8算法相比，改进后的网络参数量只有原网络的30%，计算量是原网络的49%，FPS提高了9?帧/s，精确率、召回率、mAP分别提高了2.9、6.5、5.5个百分点，实验结果充分验证了该算法的优势。

关键词：缺陷检测,小样本,YOLOv8,轻量化网络,注意力机制