针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一...针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一种具有双层路由注意力机制的空间金字塔快速平均池化(spatial pyramid pooling fast average pooling with biformer attention module, SPPF_ABF)模块,将原始SPPF模块的最大池化替换为平均池化操作,并引入双层路由Transformer注意力机制;其次采用重参数化广义特征金字塔网络(reparameterized generalized feature pyramid network,RepGFPN)优化特征融合部分;最后,基于参数共享原理及引入联合空间到深度层和非跨步卷积层模块(a module combining space-to-depth and non-strided convolutional layers,SPD_Conv)改进检测头,实现轻量化的同时提升网络对复杂缺陷的检测能力.试验结果表明,改进后算法的精度和交并比为50%的平均精度均值(mean average precision at 50%intersection over union,mAP50)分别提高3.1%和2.8%,为焊接缺陷检测提供一种高效且可行的解决方案.展开更多
文摘针对焊接缺陷具有多尺度,形态复杂和易受背景干扰等特点,提出一种基于YOLOv8n的焊接缺陷检测算法YOLOSBRS.首先利用空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)卷积改进主干网络的C2f模块;同时设计一种具有双层路由注意力机制的空间金字塔快速平均池化(spatial pyramid pooling fast average pooling with biformer attention module, SPPF_ABF)模块,将原始SPPF模块的最大池化替换为平均池化操作,并引入双层路由Transformer注意力机制;其次采用重参数化广义特征金字塔网络(reparameterized generalized feature pyramid network,RepGFPN)优化特征融合部分;最后,基于参数共享原理及引入联合空间到深度层和非跨步卷积层模块(a module combining space-to-depth and non-strided convolutional layers,SPD_Conv)改进检测头,实现轻量化的同时提升网络对复杂缺陷的检测能力.试验结果表明,改进后算法的精度和交并比为50%的平均精度均值(mean average precision at 50%intersection over union,mAP50)分别提高3.1%和2.8%,为焊接缺陷检测提供一种高效且可行的解决方案.
