一种基于改进YOLOv8的织物缺陷检测算法OA北大核心CSTPCD

为了解决织物缺陷检测中尺度变化大、面积占比小导致识别难的问题,提出一种基于改进YOLOv8的织物缺陷目标检测算法。首先引入SimAM无参注意力优化YOLOv8m的C2f模块,提升对织物缺陷的特征提取能力;再参考Rep-BiFPN结构,引入BiC模块重构骨干网络与颈部网络的连接(Concat)模块,同时参照Bi-FPN金字塔跨层连接的思想对原颈部网络的FPN-PAN进行改进,提升颈部网络的特征融合能力;最后使用Wise-IoUv3替换YOLOv8m的CIoU计算模型边界框损失,通过降低模型对纵横比较大缺陷的惩罚力度提高检测精度。实验结果表明,改进YOLOv8m的平均精确度的均值mAP达到了94.1%,相较于YOLOv8m提高了8.6百分点,并且对于各类织物缺陷算法的检测精度都保持在90%以上,满足工业对织物缺陷检测的实际需求。