基于轻量级YOLOv8的坩埚缺陷识别算法
罗彬彬
庞晴蔚
康希平
摘要：基于轻量级YOLOv8 的坩埚缺陷识别方法,可解决机器人智能化验系统中坩埚几何形态多样性显著、缺陷样本分布失衡导致的检测可靠性难题.首先基于DDPM的图像数据扩充增强策略,根据数据标签分布,实现坩埚图像数据的平衡扩充;随后为了更好地平衡网络模型的推理速度和检测精度,提出改进的YOLOv8 坩埚缺陷识别算法,引入无参数注意力和自适应加权机制.实验结果表明,该方法的平均精度(mAP)为 97.40%,单张图像的推理时间为 1.20 ms.尽管推理速度比YOLOv11-n延迟0.2 ms,但当前通用目标检测方法中的轻量级方法检测精度居于最优,所提方法能有效应用于工业坩埚缺陷检测场景.
关键词：坩埚缺陷识别算法机器人智能化验系统YOLOv8数据扩充目标检测加权机制推理时间
分类号：TQ533.9(煤化学及煤的加工利用)
论文发表日期：2025-03-31
页数：7( 85-90,96 )
英文信息