改进YOLOv8-Pose的钢筋焊接节点识别

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：成彬;张博豪;雷华

单位：1. 西安建筑科技大学 机电工程学院,陕西 西安 710055;2. 中国重型机械研究院股份公司,陕西 西安 710016

摘要：为解决光照不足、复杂路面背景和节点密集情况下钢筋骨架自动焊接成型中节点漏检、焊点位置不精确等难识别问题,借鉴人体姿态估计算法,提出了一种改进 YOLOv8n-Pose 的钢筋节点识别和焊点检测方法。 首先,使用 VanillaBlock 代替网络中的 3×3 下采样卷积,在不降低模型精度的同时减少了模型复杂度;然后,在 Neck 中的 C2f 模块中嵌入 VanillaBlock,增强多尺度信息融合能力;最后,引入 CoT 注意力机制,提升在弱光下的节点检测能力。 实验结果表明,改进后 YOLOv8n Pose 算法 mAP0. 5 -kp 为 90. 2% ,mAP0. 5:0. 95 -kp 为 89. 5% ,相比于原模型均提高了 3. 7 百分点,单张图像平均检测时间为20. 9 ms。 与 HRNet-s、RTMpose-s、YOLOv5n-Pose 和 YOLOv7t-Pose 检测网络相比,mAP0. 5 -kp 分别提升了3. 2百分点、5. 0 百分点、16. 0 百分点、13. 1 百分点。 改进 YOLOv8n-Pose 对背景复杂、光照不足和节点密集等情况具有较高的检测精度,能够满足自动化钢筋骨架焊接成型的实时检测需求。

关键词：钢筋焊点检测;CoT注意力机制;VanillaNet;YOLOv8-Pose;关键点检测;目标检测