改进YOLOv8的钢材表面缺陷检测算法
打开文本图片集
摘 要： 为了更有效地识别钢材表面的细小和复杂缺陷，提出一种改进YOLOv8的钢材表面缺陷检测算法。首先，在原模型的Neck部分引入空间和通道重构卷积SCConv模块，提高模型对小尺度目标缺陷的识别能力；其次，将CA注意力机制模块融合到原始的Backbone中，使模型能够更好地关注目标缺陷的特征信息；接着，采用高效层聚合网络（RepGFPN）模块作为颈部网络，充分融合不同尺度的特征，提高特征融合能力；最后，引入轻量级上采样算子CARAFE，进一步提升模型的检测效果。（剩余11860字）