面向工业表面缺陷检测的改进YOLOv8算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2024，60（14）187

面向工业表面缺陷检测的改进YOLOv8算法

苏佳，贾泽，秦一畅，张建燕

河北科技大学信息科学与工程学院，石家庄050018

摘要：针对工业缺陷对比度低、周围干扰信息多导致的误检率和漏检率高的问题，提出一种基于改进YOLOv8的

工业表面缺陷检测算法EML-YOLO。通过设计一种高效大卷积模块（efficientlargekernel，ELK），在保留空间信息

的同时提供多尺度的特征表示，从而提高模型的特征提取能力；提出多支路并行的特征融合模块（multi-scalecon-

textmodule，MCM），使得模型能够获取丰富的特征信息和全局上下文信息；在Neck模块中通过特征压缩和精简来

减少模型的参数量和计算量，让模型更适用于资源有限的工业场景。采用GC10-DET和DeepPCB两个工业表面缺

陷数据集来验证改进的EML-YOLO算法的有效性。实验结果表明，在GC10-DET数据集和DeepPCB数据集上，检测

6

准确率上分别提高了4.3个百分点和2.9个百分点，参数量仅2.7×10。所提算法可以较好地应用于工业缺陷检测场景。

关键词：缺陷检测；高效大卷积模块；多尺度特征；特征压缩；YOLOv8

文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2312-0394

ImprovedYOLOv8AlgorithmforIndustrialSurfaceDefectDetection

SUJia,JIAZe,QINYichang,ZHANGJianyan

SchoolofInformationScienceandEngineering,HebeiUniversityofScienceandTechnology,Shijiazhuang050018,China

Abstract：Aimingattheproblemsoflowcontrastofindustrialdefectsandhighfalsedetectionrateandleakagerate

causedbythesurroundinginterferenceinformation,itproposesanindustrialsurfacedefectdetectionalgorithmEML-YOLO

basedontheimprovementofYOLOv8.Bydesigningahigh-efficiencylargeconvolutionmoduleELK,themodel’s

featureextractioncapabilitycanbeimprovedbyprovidingamulti-scalefeaturerepresentationwhileretainingthespatial

information;byproposingaparallelmulti-branchfeaturefusionmoduleMCM,whichenablesthemodeltoacquirerich

featureinformationandglobalcontextinformation;andreducingthenumberofparametersandcomputationofthemodel

byfeaturecompressionandstreamliningintheNeckmodule,whichmakesthemodelmoreapplicabletoindustrialscenar-

ioswithlimitedresources.T