-
题名基于改进 YOLOv8的织物缺陷检测算法
- 1
-
-
作者
王川
李晓龙
王公轲
段德全
常升龙
-
机构
河南师范大学计算机与信息工程学院
河南师范大学软件学院
河南师范大学材料科学与工程学院
-
出处
《毛纺科技》
北大核心
2025年第4期133-141,共9页
-
基金
国家自然科学基金项目(62072159)
河南省科技攻关项目(232102211061,222102210011,252102111168)。
-
文摘
针对织物瑕疵检测中瑕疵种类多样、部分瑕疵极小并存在着极端长宽比等问题,提出一种基于改进YOLOv8的织物瑕疵检测算法模型RDF-YOLOv8n。首先,在YOLOv8基线模型中引入感受野注意力卷积RFAConv,构建C2f_RFAConv模块,增强模型对部分缺陷特征的提取能力;其次,引入可变性大核注意力(Deformable-LKA)加入C2f中,组成C2f_DLKA模块,提高模型细小缺陷类型的检测能力;最后,采用Focaler_CIoU损失函数替代原有的损失函数,显著加快模型的收敛速度。结果证明:RDF-YOLOv8n模型的平均精度值(mAP值)为60.1%,相较于原模型平均精度均值提升了7.7%,推理速度为69帧/s,模型大小为9.3 MB,满足低算力设备部署条件,达到在生产中对织物瑕疵检测标准的要求。
-
关键词
YOLOv8
织物瑕疵检测
RFAConv
注意力机制
focaler_ciou
-
Keywords
YOLOv8
fabric defect detection
RFAConv
attention mechanism
focaler_ciou
-
分类号
TS106.4
[轻工技术与工程—纺织工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
