TireYOLO:轮胎胎侧压印文字检测算法

来源：南京信息工程大学学报·自然科学版杂志2025年第6期北京时间：

作者：李萌阳，严楠

单位：李萌阳,安徽工程大学 计算机与信息学院, 芜湖, 241000,严楠,安徽工程大学 计算机与信息学院, 芜湖, 241000;安徽工程大学 安徽未来技术研究院, 芜湖, 241000

摘要：针对轮胎胎侧压印文字区域受到深色背景干扰,现有算法无法准确执行检测任务的难题,本文提出一种改进YOLOv8s的轮胎胎侧压印文字区域检测算法TireYOLO.首先,提出一种轻量化特征提取模块RepNCSPELAN4_CAA,用于替换YOLOv8s原有主干网络的C2f模块,通过CAA注意力机制更好地捕捉上下文特征信息,在提高模型精度的同时降低计算代价.其次,采用一种动态采样的轻量化大感受野特征融合颈部结构DyLKVHSPAN,通过改进HSFPN网络结构,提出一种高效特征融合网络HSPAN,同时通过DySample上采样算子进行动态采样,并且提出一种大感受野的特征融合模块UniLKVoVCSP,使DyLKVHSPAN在保持轻量化的同时利用大感受野更好融合特征.最后,提出一种低计算量检测头DWLHead,重新设计原有检测头的结构,在降低计算量的基础上提高检测性能.实验结果表明,与YOLOv8s相比,TireYOLO算法在轮胎胎侧关键信息所在区域目标检测的 mAP@0.5~0.95 提高2.5个百分点,参数量降低48.4％,计算量降低49.6％,验证了本文所提出的算法在检测轮胎胎侧文字方面的优越性.

关键词：深度学习;目标检测;文字检测;压印文字;YOLOv8

基金资助：国家自然科学基金(62302011);安徽未来技术研究院企业合作项目(2023qyhz11);安徽工程大学校企合作项目(HX-2023-09-050)