【技术实现步骤摘要】
本专利技术涉及自然图像处理，具体涉及一种基于改进yolov8n的轻量级钢材表面缺陷检测方法。
技术介绍
1、钢材作为一种重要的工业产品，它被广泛应用于各行各业。但在其生产和制造的过程中，由于制造工艺和各种因素的影响，钢材表面会产生各种缺陷，不仅对钢材外观造成影响，还会影响产品的质量。因此，对钢材表面缺陷检测的研究具有重要意义。
2、随着人工智能的迅速发展与深度学习算法的日益成熟，卷积神经网络在人脸识别、图像分类、目标检测等方面具有更加优异的性能比。基于深度学习的目标检测方法能够根据钢绳图片自动学习出缺陷的特征，简化了传统方法中前期需要大量人工预处理的工作，深度神经网络具有很强的学习能力，它通过多层卷积的方式，把低层特征组合成为更加抽象的高特征，能够发现图片中潜在的语义信息，最后直接得到目标的类别和位置，深度学习模型也具有很好的泛化能力和鲁棒性，它的这些特点提高了钢绳缺陷检测的效率和准确率。
3、基于深度学习的目标检测算法分为基于区域卷积的两阶段目标检测算法和基于回归的单阶段目标检测算法。两阶段目标检测算法主要有r...
【技术保护点】
1.一种基于改进YOLOv8n的轻量级钢材表面缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv8n的轻量级钢材表面缺陷检测方法，其特征在于：步骤S21中所述的RepHGNetV2网络是在HGNetV2网络的基础上对HGBlock模块进行的改进，HGNetV2主要由HGStem模块、DWConv模块和HGBlock模块分别堆叠组成。
3.根据权利要求2所述的一种基于改进YOLOv8n的轻量级钢材表面缺陷检测方法，其特征在于：所述的HGStem模块由多个卷积构成，对输入图像进行特征提取；引入所述的DWConv...
【技术特征摘要】
1.一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：步骤s21中所述的rephgnetv2网络是在hgnetv2网络的基础上对hgblock模块进行的改进，hgnetv2主要由hgstem模块、dwconv模块和hgblock模块分别堆叠组成。
3.根据权利要求2所述的一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：所述的hgstem模块由多个卷积构成，对输入图像进行特征提取；引入所述的dwconv模块，是为了减少模型的计算量和参数量；设计所述的hgblock模块，是为了允许模型可以从低层和高层的特征进行学习。
4.根据权利要求2所述的一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：设计所述的hgblock模块，具体的操作方式包括：首先，输入特征通过lightconv模块进行1×1卷积和1×1深度可分离卷积操作来降低通道和减少模型计算量与参数量；其次，使用残差连接进行concat操作，再经过两个1×1卷积分别进行特征压缩和激励操作；最后，使用残差连接将输入与输出进行相加。
5.根据权利要求1所述的一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：在步骤s21中，所述repconv模块是采用重参数化方法，主要在训练时采用并行结构，通过使用bn层、3×3卷积和1×1卷积提高多尺度特征信息，在推理阶段时采用卷积重参数化，将多分支融合为单个3×3卷积分支以实现更高效的检测；推理阶段时模型将bn层和卷积层进行融合，提升模型性能，具体如下公式：
6.根据权利要求1所述的一种基于改进yolov8n的轻量级钢材表面缺陷检测方法，其特征在于：在步骤s22中，所述引入pcon...
【专利技术属性】
技术研发人员：方怀松，张新荣，王艳龙，张博俊，房丽平，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。