【技术实现步骤摘要】
本专利技术涉及图像缺陷检测，尤其涉及一种基于yolov8的钢材表面缺陷检测方法及系统。
技术介绍
1、金属制品的表面缺陷会影响制品的可靠性和寿命，传统的人工检查方法通常耗时、劳动密集且主观性较强，无法满足高效率和大规模生产的需求。另外，人眼识别的准确度也受到人员疲劳和主观判断的影响。视觉检测系统虽然能够提高检测效率，但对于复杂的表面缺陷和多样化的金属制品，其泛化能力和准确性仍然存在挑战，而对于现有的基于深度学习的目标检测算法yolo算法，需要严格的数据采集条件和针对不同缺陷设定的精确阈值，若是在干扰环境严重条件下难以提取图像的缺陷尺度变化纹理特征，这不仅限定了应用场景，而且还降低了图像缺陷检测的准确率。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的是提供一种基于yolov8的钢材表面缺陷检测方法及系统，能够在保持相同感知野的同时提高图像处理的速度以及更好的提取图像的缺陷尺度变化纹理特征，从而提高图像缺陷检测的准确率。
2、本专利技术所采用的第一技术方案是：一种基于y...
【技术保护点】
1.一种基于yolov8的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所述一种基于yolov8的钢材表面缺陷检测方法，其特征在于，所述获取待处理的钢材表面缺陷图像数据集并进行数据预处理，得到钢材表面缺陷图像数据集这一步骤，其具体包括：
3.根据权利要求2所述一种基于yolov8的钢材表面缺陷检测方法，其特征在于，所述yolov8_sg缺陷检测模型具体包括主干网络模块、颈部模块和预测模块，所述主干网络模块的输出端与所述颈部模块的输入端连接，所述颈部模块的输出端与所述预测模块的输入端连接，其中：
4.根据权利要求...
【技术特征摘要】
1.一种基于yolov8的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所述一种基于yolov8的钢材表面缺陷检测方法，其特征在于，所述获取待处理的钢材表面缺陷图像数据集并进行数据预处理，得到钢材表面缺陷图像数据集这一步骤，其具体包括：
3.根据权利要求2所述一种基于yolov8的钢材表面缺陷检测方法，其特征在于，所述yolov8_sg缺陷检测模型具体包括主干网络模块、颈部模块和预测模块，所述主干网络模块的输出端与所述颈部模块的输入端连接，所述颈部模块的输出端与所述预测模块的输入端连接，其中：
4.根据权利要求3所述一种基于yolov8的钢材表面缺陷检测方法，其特征在于，所述改进的sppfcspc模块具体包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、第一最大池化层、第二最大池化层、第三最大池化层、第一连接层和第二连接层，其中，所述第一卷积层的输出端与所述第二卷积层输入端连接，所述第二卷积层的输出端与所述第三卷积层的输入端连接，所述第三卷积层的第一输出端与所述第一连接层的第一输入端连接，所述第三卷积层的第二输出端与所述第一最大池化层的输入端连接，所述第一最大池化层的第一输出端与所述第二最大池化层的输入端连接，所述第一最大池化层的第二输出端与所述第一连接层的第二输入端连接，所述第二最大池化层的第一输出端与所述第三最...
【专利技术属性】
技术研发人员：钟勇，刘齐，马莉，杨文茵，林卓文，
申请(专利权)人：佛山科学技术学院，
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。