【技术实现步骤摘要】
本专利技术属于目标识别，尤其涉及基于改进yolov8的小目标检测识别方法及系统。
技术介绍
1、在精密电子制造、航空航天等工业领域，微小目标检测（如芯片焊点、微米级裂纹）是质量管控的核心环节。传统人工目检效率低且易漏检，而基于规则的传统图像处理技术难以适应复杂多变的工业环境。随着深度学习的发展，目标检测算法逐步应用于自动化质检，但工业场景中的小目标由于像素占比低、特征不明显，仍存在识别精度不足、抗干扰能力弱等问题，亟需针对性优化方案。
2、现有基于深度学习的小目标检测方法在工业应用中存在显著局限：通用检测模型的特征提取网络对小目标纹理及几何特征捕获不充分，导致微小缺陷漏检率高；工业场景中金属反光、复杂背景等干扰因素易引发误检，传统注意力机制难以有效区分目标与噪声；模型复杂度与检测速度的矛盾突出，高精度模型往往计算量大，无法满足产线实时性要求；此外，传统方法缺乏动态适应机制，无法应对设备振动、光照变化等产线环境波动，制约技术落地应用。
3、因此，急需研发基于改进yolov8的小目标检测识别方法及系统，能够解决工业检...
【技术保护点】
1.基于改进YOLOv8的小目标检测识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于改进YOLOv8的小目标检测识别方法，其特征在于，所述S1中，对所述小目标缺陷图像进行预处理包括通过高斯滤波消除图像噪声，对所述小目标缺陷图像进行数据增强处理。
3.根据权利要求2所述的基于改进YOLOv8的小目标检测识别方法，其特征在于，所述S1中，对预处理后的缺陷图像进行标注包括标注缺陷类别标签及缺陷位置的边界框坐标。
4.根据权利要求1所述的基于改进YOLOv8的小目标检测识别方法，其特征在于，所述S2中，包含四分支空...
【技术特征摘要】
1.基于改进yolov8的小目标检测识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于改进yolov8的小目标检测识别方法，其特征在于，所述s1中，对所述小目标缺陷图像进行预处理包括通过高斯滤波消除图像噪声，对所述小目标缺陷图像进行数据增强处理。
3.根据权利要求2所述的基于改进yolov8的小目标检测识别方法，其特征在于，所述s1中，对预处理后的缺陷图像进行标注包括标注缺陷类别标签及缺陷位置的边界框坐标。
4.根据权利要求1所述的基于改进yolov8的小目标检测识别方法，其特征在于，所述s2中，包含四分支空洞卷积组的动态蛇形卷积模块包括：
5.根据权利要求4所述的基于改进yolov8的小目标检测识别方法，其特征在于，定义所述动态蛇形卷积模块的动态偏移量累积公式如下：
6.根据权利要求4所述...
【专利技术属性】
技术研发人员：马森，覃芳，熊嘉慧，
申请(专利权)人：湖南至芯互连科技有限公司，
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。