基于特征增强与知识蒸馏的汽车漆面检测.pdfVIP

测控技术

·32·2025年第44卷第6期模式识别与人工智能

基于特征增强与知识蒸馏的汽车漆面检测

王剑楠*，胡璐萍²，管声启，白永平，臧凯”，林文彩?

（1.西安航空职业技术学院汽车工程学院，陕西西安710089；

2.西安交通工程学院机械与电气工程学院，陕西西安710300；

3.西安工程大学机电工程学院，陕西西安710048）

摘要：针对汽车漆面缺陷检测精度不足和速度缓慢的难题，提出一种基于改进YOLOv8的汽车漆面缺陷

检测算法。首先，在YOLOv8网络中Neck部分嵌入卷积块注意力模块（ConvolutionalBlockAttention

Module,CBAM），它能够有效挖掘汽车漆面缺陷的通道和空间特征信息。其次，采用轻量化的CARAFE

（Content-AwareReassemblyofFeatures）模块取代原YOLOv8网络中Neck部分的传统上采样模块，避免

上采样过程中特征信息的丢失，生成更多的细节和平滑的边缘，有效增加了模型的感受域。这些优化措

施显著提升了模型对漆面缺陷特征的捕捉能力，进而提高了模型的检测精度。最后，采用了知识蒸馏

（教师－学生模型）技术,即将改进的YOLOv8算法作为教师模型，将轻量化的YOLOv8s算法作为学生

模型，利用领学一互学策略，实现了计算成本的节约和检测速度的提升。实验结果表明：改进后的

YOLOv8对汽车漆面缺陷检测的平均精度为92.6%，相比于YOLOv8提升了3.7个百分点，且改进后的

模型参数量为1.1×10°，相比于YOL0v8的参数量减少了2.1×10°，且该模型每秒传输顿数超过

YOLOv8,检测速度保持在149f/s，可以满足实时识别的要求，能够有效解决汽车漆面缺陷检测准确率

低和检测速度慢的问题，表明了所提算法具有有效性。

关键词：漆面缺陷YOLOv8;CBAM模块；知识蒸馏

中图分类号：TP391.4文献标志码：A文章编号：1000-8829(2025)06-0032-08

doi:10.19708/j.ckjs.2025.04.219

AutomotivePaintSurfaceDetectionBasedonFeatureEnhancementand

KnowledgeDistillation

WANGJiannan*,HULuping,GUANShengqi,BAIYongping,ZANGKai,LINWencai?

(1.SchoolofAutomotiveEngineering,XianAeronauticalPolytechnicInstitute,Xian710089,China;

2.SchoolofMechanicalandElectricalEngineering,XianTrafficEngineeringInstitute,Xian710300,China;

3.SchoolofMechanicalandElectricalEngineering,XianPolytechnicUniversity,Xian710048,China)

Abstract:Inordertoaddressthechallengesofinsufficientaccuracyandsluggishspeedinautomotivepaint

surfacedefectdetection,anautomotivepaintsurfacedetectionmethodbasedonYOLOv8isproposed.Firstly,

theconvolut