基于改进YOLOv8s的铝型材表面缺陷检测OA

目的针对铝型材表面缺陷类别多,缺陷之间差异较大,容易出现漏检、误检等情况,提出一种改进的YOLOv8s检测算法。方法首先,引入扩张式残差模块DWR(Dilation-wise Residual),基于此重新构造主干网络部分C2f中的Bottleneck结构,增强网络对复杂特征的提取能力,使网络更高效地获取上下文信息;其次,在原颈部网络中加入小目标检测层,旨在提取和传递那些在小尺寸缺陷中更为关键且判别性更强的小目标特征信息,将浅层和深层特征进行融合,降低漏检率和误检率,提高检测精度;最后,引入Inner-GioU(Inner Generalized Intersection over Union)损失函数,关注边界框内部的重叠部分,加快模型收敛速度的同时提高边界框回归的准确性。结果将改进算法应用在天池铝型材数据集中,实验结果显示:改进的算法在精确率、召回率和mAP@0.5方面分别达到了88.7%、83.4%和88.5%的性能指标,相比原始的YOLOv8s算法分别提高了4.1%、2.1%和2.9%,改进算法能有效识别铝型材表面不同类型的缺陷。结论通过实验可以证明改进算法的有效性,改善了铝型材部分缺陷检测效果较差的问题,同时减少了漏检和误检情况,满足当前工厂对铝型材表面缺陷的检测要求。