YOLOv8-VSC:一种轻量级的带钢表面缺陷检测算法

摘要：

目前在带钢表面缺陷检测领域,通用的目标检测算法复杂度高、计算量庞大,而一些中小型企业负责检测的终端设备通常不具备较强的计算能力,计算资源有限,从而导致检测算法部署困难.为解决该问题,基于YOLOv8n目标检测框架,提出一种轻量级的带钢表面缺陷检测模型YOLOv8-VSC.该模型使用轻量级的VanillaNet网络作为骨干特征提取网络,通过减少不必要的分支结构降低模型的复杂度.同时,引入SPD模块在减少网络层数的同时加快模型的推理速度.为了进一步提升检测精度,在特征融合网络中,使用轻量级的上采样算子CARAFE,提高融合特征的质量和丰富度.最后,在NEU-DET数据集上进行大量实验,得到模型的参数量与计算量为1.96×106和6.0 GFLOPs,仅为基线的65.1%和74.1%,mAP达到80.8%,较基线提升1.8个百分点.此外,在铝材表面缺陷数据集和VOC2012数据集上的实验结果表明所提算法具有良好的鲁棒性.与先进的目标检测算法相比,所提算法在保证高检测精度的前提下需要的计算资源更少.

关键词：缺陷检测、带钢表面缺陷、YOLOv8、轻量级网络、VanillaNet

所属期刊栏目：18

分类号：TP391(计算技术、计算机技术)

在线出版日期：2024-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：151-160