钢铁研究学报

作者：杨若兰，刘超，周佳润，周同鑫，邵宸，郑利佳

单位：1.华北理工大学冶金与能源学院，河北唐山063210；2.华北理工大学电气工程学院，河北唐山063210

关键词：关键词：轻量级网络；YOLOv8n；注意力机制；缺陷检测；坐标卷积；CARAFE

摘要：带钢的表面缺陷对带钢的质量影响极大。针对由于带钢缺陷存在类间相似且容易受背景干扰，导致检测模型的精度较差的问题，提出了一种基于YOLOv8n的轻量级实时检测模型EDD?YOLO (Enhance Defects Detection YOLO)。首先，构造了一个特殊卷积EC Conv(Enhance Coord Conv)，其使用额外的坐标通道更加清晰地感受待检测目标的空间位置信息；其次，将轻量级注意力机制EMA(Efficient Multi?Scale Attention)嵌入特征融合网络中，使得计算资源高效且合理分配，增强特征融合能力；然后，采用CARAFE（Content?Aware ReAssembly of Features Extraction）替代原融合网络的上采样模块；最后，在预测部分使用WIOU改进原损失函数，加速模型收敛。实验数据表明，该模型相较于YOLOv8n，检测精度提高3?6%，检测速度保持在166fps,并且模型大小、空间复杂度与原模型基本持平，更好地满足了复杂工业场景下带钢缺陷的实时检测要求。

来源：2024年第5期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2024年第5期