基于改进YOLOv8的布料瑕疵检测算法
闵金
郑凯东
西安石油大学 陕西西安 710065
摘要：为了解决布料生产过程中,瑕疵检测存在的小目标识别率低、误检率高以及依赖人工特征提取等问题,文章提出了一种改进的YOLOv8检测算法.该算法在主干网络中引入CBAM(convolutional block attention module)注意力模块,利用其通道与空间双重注意力机制增强模型对瑕疵关键特征的提取能力,同时有效抑制复杂背景的干扰.为进一步提升多尺度特征融合效果,采用双向特征金字塔网络(bi-directional feature pyramid network,BiFPN)替代原有的结构,通过跨尺度加权特征融合机制优化小目标瑕疵的检测性能.通过实验结果分析,改进后的算法在数据集上的检测效果相比原始YOLOv8模型,检测准确率提升了 3.2％,达到95.3％的检测效率,验证了所提方法的有效性.
关键词：YOLOv8注意力机制BiFPN瑕疵检测
论文发表日期：2025-10-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 10-13 )