摘要
摘要
带钢作为重要工业材料,其表面缺陷直接影响产品质量与安全性。现有检测
算法因缺特征复杂导致精度不足,且普遍存在模型复杂,难以满足工业实时检测
需求。针对这些问题,提出了一种基于特征增强和知识蒸馏改进的方法,以实现
高效、轻量化的带钢缺陷检测。
(1)针对带钢产品的缺陷特征复杂问题,本文以YOLOv8s模型为基线网络
提出了YOLOv8s-CRSR模型。在图像预处理阶段,引入CLAHE算法,增强图像对
比度,
摘要
摘要
带钢作为重要工业材料,其表面缺陷直接影响产品质量与安全性。现有检测
算法因缺特征复杂导致精度不足,且普遍存在模型复杂,难以满足工业实时检测
需求。针对这些问题,提出了一种基于特征增强和知识蒸馏改进的方法,以实现
高效、轻量化的带钢缺陷检测。
(1)针对带钢产品的缺陷特征复杂问题,本文以YOLOv8s模型为基线网络
提出了YOLOv8s-CRSR模型。在图像预处理阶段,引入CLAHE算法,增强图像对
比度,
文档评论(0)