基于改进YOLOv8s的鼓形滚子表面缺陷检测算法 |
| |
引用本文: | 王安静,袁巨龙,朱勇建,陈聪,吴金津.基于改进YOLOv8s的鼓形滚子表面缺陷检测算法[J].浙江大学学报(自然科学版 ),2024(2):370-380+387. |
| |
作者姓名: | 王安静 袁巨龙 朱勇建 陈聪 吴金津 |
| |
作者单位: | 1. 浙江工业大学机械工程学院;2. 宁波敏捷信息科技有限公司 |
| |
摘 要: | 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.
|
关 键 词: | 鼓形滚子 缺陷检测 YOLOv8s 细粒化卷积 广义的特征金字塔网络(GFPN) Wise-IOU |
|
|