关键词：缺陷检测;YOLOv8算法;可变形卷积;注意力机制;损失函数
摘 要：针对传统图像处理算法对钢铁表面缺陷检测存在识别效率低、漏检误检率高等问题,提出了YOLOv8-DSG钢铁表面缺陷检测算法。在传统YOLOv8算法的基础上,首先在Backbone网络的C2f模块中嵌入了可变形卷积网络DCN(Deformable Convolution N etwork),加强了模型在复杂背景条件下的特征提取能力;其次,在Neck网络中引入了SE(Squeeze and Excitation Network)注意力模块,突出钢铁表面重要特征信息,提升了特征融合的丰富性;最后,用GIOU (Generalized Intersection Over Union)损失函数代替原有的CIOU (Complete Intersection Over Union),相比CIOU,GIOU引入了最小包围框面积比率,可更准确衡量框的重合面积。实验结果表明:YOLOv8-DSG算法在NEU-DET数据集上平均精度mAP达到80%,相较于原YOLOv8算法,提高了3.3%,且误检、漏检率低,具有更高的检测精度和运算效率,可在质量检测方面发挥重要作用。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取