基于自适应权重下采样的带钢表面缺陷检测.pdfVIP

88基于自适应权重下采样的带钢表面缺陷检测

基于自适应权重下采样的带钢表面缺陷检测

SteelSheetSurfaceDefectDetectionBasedonAdaptiveWeightedDownsampling

张岚岚1,2

王岳继1,2罗太维1,2吴瑞瑾1,2汪小梅1,2弓

（1贵州民族大学数据科学与信息工程学院；贵州贵阳550025

2贵州民族大学贵州省模式识别与智能系统重点实验室，贵州贵阳550025)

摘要：钢带制造过程中容易在表面产生一些缺陷,但现有表面缺陷检测算法存在检测精度低的问题。因此,提出了一种

基于改进YOLOv8的自适应权重下采样带钢表面缺陷检测模型。首先，利用注意力机制与组卷积改进下采样卷积，自适应

地学习特征图的空间权重，以适应输入特征图的不同区域对于下采样的需求。其次，引入了通道先验卷积注意力机制来增强

骨干网络，在通道和空间维度上动态分配注意权重。最后，在带钢表面缺陷数据集NEU-DET上进行大量实验，得到了模型

的mAP值为82.8%,相比基线模型提升了3.5%。

关键词：缺陷检测；YOLOv8；注意力机制；下采样

Abstract:Thispaperproposesamodelfordetectingsurfacedefectsonsteelsheetsbasedonadaptiveweighted

downsamplingusinganimprovedYOLOv8architecture,Firstly,itutilizesattentionmechanismsandgroupconvolutiontoim-

provedownsamplingconvolutionbyadaptivelylearningspatialweightsoffeaturemapstoaccommodatedifferentregions

requirementsfordownsamplingininputfeaturemaps:Secondly,itintroduceschannelpriorconvolutionalattentionmecha-

nismtoenhancethebackbonenetworkbydynamicallyallocatingattentionweightsinbothchannelandspatialdimensions.

FinallyiextensiveexperimentsareconductedwiththeproposedmodelonNEU-DETdatasetforsteelsheetsurfacedefect

detection.ThemodelachievesamAPvalueof82.8%,whichisa3.5%improvementoverbaselinemodels.

Keywords:defectdetection,YOLOv8,attentionmechanisms,downsampling

带钢作为一种重要的工业材料，在我国航空航天以及重工业检测精度、漏检和误检情况。以上研究都已取得了比较好的结

上应用十分广泛。然而，在工艺制造过程中由于操作不当以及其他果，但仍存在检测精度不高与漏检问题。

外界因素的影响，导致表面出现各种缺陷,如划痕、氧化等。这些表本文针对以上问题，提出了一种基于改进YOLOv8的自适

面缺陷如果未能及时检测和处理,将影响产品质量,甚至引发安全应权重下采样检测算法模型。

事故。因此,带钢表面缺陷检测成为了一个呕待解决的问题。2改进算法

1相关工作