基于YOLOv8改进算法的铝、镁合金铸件DR图像缺陷检测
陈明飞1
田帅2
1.中国航发哈尔滨东安发动机有限公司,哈尔滨 1500662.北京航空航天大学江西研究院,南昌 330006
摘要：针对铝、镁合金铸件DR图像背景结构复杂、且存在噪声,导致现有算法对小目标缺陷容易出现漏检的问题,本文提出基于YOLOv8改进算法的铝、镁合金铸件DR图像缺陷检测方法.首先,提出一种融合多尺度增强和对比度受限自适应直方图均衡化的方法,有效解决铝、镁合金铸件DR图像的噪声、低亮度和信息不足的问题.其次,改进YOLOv8网络结构,引入上下文锚点(CAA)注意力机制,更加关注重点缺陷征;引入跨尺度特征融合模块(CCFM),增强多尺度特征的表达能力;改进检测头,提升小目标的检测能力.通过实验结果表明,改进YOLOv8算法在缺陷数据集上的精确率、召回率和均值平均精度(mAP)分别达到 92.7%、98.5%和92.4%,检测速度为138FPS,满足智能化生产线对铝、镁合金铸件缺陷检测的实时性需求.
关键词：YOLOv8缺陷识别注意力机制图像增强
分类号：TP391.41(计算技术、计算机技术)TP183(自动化基础理论)
论文发表日期：2025-07-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 534-542 )
英文信息