-
题名基于改进YOLOv8的轻量化钢材表面缺陷检测方法
- 1
-
-
作者
胥姜苗
曹爽
管海燕
-
机构
南京信息工程大学遥感与测绘工程学院
-
出处
《电子测量技术》
2025年第24期138-147,共10页
-
基金
国家自然科学基金面上项目(41971414)资助。
-
文摘
钢材表面缺陷检测是保障制造业产品质量的关键环节,人工目视与基础光学检测方法存在效率低、漏检率高等问题,且现有数据集样本有限制约模型泛化能力。为此,本文提出一种基于LS-DCGAN数据增强与改进YOLOv8的轻量化钢材表面缺陷检测方法。首先针对NEU-DET数据集样本多样性不足的问题,采用LS-DCGAN生成对抗网络进行数据增强,有效补充缺陷样本的形态特征与分布特性;其次对YOLOv8模型进行三重优化提出SPH-YOLO检测算法:重构C2f模块结构增强特征提取能力,嵌入注意力机制提升缺陷区域聚焦度,设计多级特征融合金字塔实现跨尺度信息交互;最后在增强后的NEU-DET与GC10-DET数据集上进行验证,实验表明改进模型在mAP@50%指标上提升3%,参数量减少28.5%,计算量降低12.3%,且改进方法具有泛化能力,检测有效地实现了检测模型轻量化和检测性能的平衡。
-
关键词
钢材表面缺陷检测
YOLOv8
ls-dcgan
轻量化模型
-
Keywords
steel surface defect detection
YOLOv8 algorithm
ls-dcgan
lightweight model
-
分类号
TP391.4
[自动化与计算机技术]
TN911
[自动化与计算机技术—计算机应用技术]
-
