改进YOLOv8的铸件多肉缺陷检测

打开文本图片集

摘  要： 针对铸造生产过程中铸件表面多肉缺陷数据集少、复杂环境下人工检测困难以及检测效率较低等问题，文中基于YOLOv8提出改进算法。对数据进行增强处理，以便提升模型的鲁棒性，更贴合实际环境；引入残差网络Resnet替换网络主干部分，提高模型提取目标特征的能力；对Neck部分进行重构，避免参数量的增加；在网络的输出末端加入具有注意力机制的Dynamic Head检测头，将模型对目标感知和表达的能力进一步提高；在训练模型能力过程中加入MPDIoU损失函数，强化模型对于目标边框的处理，提高模型对铸件多肉缺陷的识别精准度。（剩余7329字）