YOLOv8-VSC:一种轻量级的带钢表面缺陷检测算法

作者：王春梅; 刘欢^*

来源：计算机科学与探索, 2023, 1-12.

• 缺陷检测
• 带钢表面缺陷
• YOLOv8
• 轻量级网络
• VanillaNet

目前在带钢表面缺陷检测领域，通用的目标检测算法复杂度高、计算量庞大，而一些中小型企业负责检测的终端设备通常不具备较强的计算能力、计算资源有限，从而导致检测算法部署困难。为解决该问题，本文基于YOLOv8n目标检测框架，提出一种轻量级的带钢表面缺陷检测模型YOLOv8-VSC。该模型使用轻量级的VanillaNet网络作为骨干特征提取网络，通过减少不必要的分支结构降低模型的复杂度。同时，引入SPD模块在减少网络层数的同时加快模型的推理速度。为了进一步提升检测精度，在特征融合网络中，使用轻量级的上采样算子CARAFE，提高融合特征的质量和丰富度。最后，在NEU-DET数据集上进行大量实验，得到模型的参数量与计算量为1.96M和6.0GFLOPs，仅为基线的65.1%和74.1%，mAP达到80.8%，较基线提升1.8%。此外，在VOC2012数据集上的实验结果表明所提算法具有良好的鲁棒性。与先进的目标检测算法相比，所提算法在保证高检测精度的前提下需要的计算资源更少。

• 单位
  西安邮电大学