基于改进YOLOv8s的鼓形滚子表面缺陷检测算法

为了提高鼓形滚子表面微小瑕疵缺陷检测的精确率和召回率，增强模型对小目标缺陷的检测能力，针对YOLOv8s网络，提出细粒化卷积模块SPD-Conv来代替卷积下采样，细粒化地提取小缺陷的特征.在特征融合模块，引入GFPN特征融合模块，增强相邻层级间的跨尺度连接和同尺度下的跨层连接，有助于小目标特征信息在卷积网络的传递.在头部增加小目标检测层，提高模型对小缺陷的检测能力.在损失函数方面，利用动态非单调聚焦的Wise-IOU的边界框损失函数替换CIOU,在加快网络收敛的同时，提高网络检测的精度.在自制的鼓形滚子缺陷数据集上进行测试，结果表明，改进的YOLOv8s在倒角数据集、侧面数据集、端面数据集的mAP@0.5分别达到0.911、0.983、0.935，相比于YOLOv8s,m AP@0.5分别提高了6.4%、3.3%、4%，精确度和召回率也有一定的提升，平均每张图片的检测时间为23 ms.与原模型相比，改进的YOLOv8s对小目标缺陷有更好的定位能力和检测精度，检测速度能够满足工业大批量检测的要求.