工业产品表面缺陷检测是保障最终产品质量一致性的关键环节。针对传统检测方法对小尺寸缺陷敏感度低、细长型缺陷定位不准等问题,本文提出一种基于改进YOLOv8(You Only Look Once Version 8)的工业产品表面缺陷检测方法。该方法嵌入ViT(...工业产品表面缺陷检测是保障最终产品质量一致性的关键环节。针对传统检测方法对小尺寸缺陷敏感度低、细长型缺陷定位不准等问题,本文提出一种基于改进YOLOv8(You Only Look Once Version 8)的工业产品表面缺陷检测方法。该方法嵌入ViT(Vision Transformer)模块,增强对微小缺陷的特征判别力,提高复杂背景干扰的鲁棒性。由于传统CIoU(Complete Intersection over Union)损失函数难以直接量化宽度/高度的绝对偏差,将其替换为形状感知损失函数。同时在公开数据集MVTec AD上验证该方法在工业产品缺陷检测中的有效性。实验结果表明,相比于基础YOLOv8网络,改进后的YOLOv8网络在精确度和平均精度均值上表现出优势,分别提升0.0195和0.0157。展开更多
文摘工业产品表面缺陷检测是保障最终产品质量一致性的关键环节。针对传统检测方法对小尺寸缺陷敏感度低、细长型缺陷定位不准等问题,本文提出一种基于改进YOLOv8(You Only Look Once Version 8)的工业产品表面缺陷检测方法。该方法嵌入ViT(Vision Transformer)模块,增强对微小缺陷的特征判别力,提高复杂背景干扰的鲁棒性。由于传统CIoU(Complete Intersection over Union)损失函数难以直接量化宽度/高度的绝对偏差,将其替换为形状感知损失函数。同时在公开数据集MVTec AD上验证该方法在工业产品缺陷检测中的有效性。实验结果表明,相比于基础YOLOv8网络,改进后的YOLOv8网络在精确度和平均精度均值上表现出优势,分别提升0.0195和0.0157。
