超纤革是一种用于高端产品的新型复合材料,其瑕疵检测对产品质量至关重要。针对超纤革表面瑕疵多尺度、长宽比差异大和微小瑕疵较多的难点,提出用于超纤革表面瑕疵识别的MFL_YOLOv8算法。MFL_YOLOv8算法首先基于Deformable Large Kernel...超纤革是一种用于高端产品的新型复合材料,其瑕疵检测对产品质量至关重要。针对超纤革表面瑕疵多尺度、长宽比差异大和微小瑕疵较多的难点,提出用于超纤革表面瑕疵识别的MFL_YOLOv8算法。MFL_YOLOv8算法首先基于Deformable Large Kernel Attention(DLKA)机制设计了多尺度特征提取模块DCNv3-LKA,显著增强了主干网络的多尺度特征提取能力;然后通过在特征金字塔网络中引入P2特征图和Dysample上采样模块,强化了网络对小目标的细节信息提取;最后引入Minimum Points Distance Intersection over Union(MPDIoU)以缓解训练初期小目标上的损失函数失效问题,提升了小目标的检测效果。在自制超纤革表面瑕疵数据集上的实验结果表明,相比于YOLOv8n,所提算法的平均检测精度和召回率分别提高了5.38%和7.27%,达到92.47%和92.40%,每秒帧率(FPS)为135.2 frame/s,满足工业现场的准确性和实时性要求。展开更多
文摘超纤革是一种用于高端产品的新型复合材料,其瑕疵检测对产品质量至关重要。针对超纤革表面瑕疵多尺度、长宽比差异大和微小瑕疵较多的难点,提出用于超纤革表面瑕疵识别的MFL_YOLOv8算法。MFL_YOLOv8算法首先基于Deformable Large Kernel Attention(DLKA)机制设计了多尺度特征提取模块DCNv3-LKA,显著增强了主干网络的多尺度特征提取能力;然后通过在特征金字塔网络中引入P2特征图和Dysample上采样模块,强化了网络对小目标的细节信息提取;最后引入Minimum Points Distance Intersection over Union(MPDIoU)以缓解训练初期小目标上的损失函数失效问题,提升了小目标的检测效果。在自制超纤革表面瑕疵数据集上的实验结果表明,相比于YOLOv8n,所提算法的平均检测精度和召回率分别提高了5.38%和7.27%,达到92.47%和92.40%,每秒帧率(FPS)为135.2 frame/s,满足工业现场的准确性和实时性要求。
