钢铁研究学报

作者：邓能辉^1,2, 石杰^1,2, 李小占^1,2, 杨朝霖^1,2, 吴昆鹏^1,2

单位：1.北京科技大学国家板带生产先进装备工程技术研究中心,北京100083;；2.北京科技大学设计研究院有限公司,北京100083

关键词：YOLOv8,多级特征融合,C2Faster,AFPN,选择内核注意力

基金：广西科技重大专项资助项目(AA22068080);广西科技基地和人才专项资助项目(桂科AD23023005)

在复杂工业环境下,带钢缺陷检测对准确率和效率有着双重高要求,然而现有方法难以同时满足这2方面的需求,为此提出轻量化多级特征融合的缺陷检测网络模型LMFF-YOLOv8以应对该挑战。本文从多个方面对YOLOv8网络进行改进,首先设计C2Faster模块替代原始YOLOv8中的C2f模块,通过优化网络的主干和颈部结构,降低计算复杂度;其次在网络的颈部引入AFPN模块,增强不同尺度特征图的融合效果,同时设计快速选择内核注意力网络模块,进一步提升特征融合速度;最后采用EIoU损失函数替代CIoU损失函数,提高预测框的收敛速度和回归精度,使检测结果更加准确。为验证改进方法的有效性,在NEU-DET和R-DATA数据集上开展对比试验和消融试验。试验结果显示,相较于YOLOv8s,LMFF-YOLOv8在2数据集上平均精度均值分别提升4.4%和3.3%,同时运算速度也得到提高,为复杂工业环境下的带钢缺陷检测提供了一种有效的解决方案。

来源：2025年第11期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第11期