轻量化的钢材表面缺陷检测方法

刘奕桦，卢耀安，王成勇（广东工业大学机电工程学院；广东工业大学广东省微创手术器械设计与精密制造重点实验室；高性能工具全国重点实验室）

摘要：钢材表面缺陷广泛存在于机械制造及自动化生产线中，其检测结果直接影响产品质量与生产可靠性。针对工业现场中检测系统对高精度与实时性的实际需求，提出一种改进的轻量化钢材表面缺陷检测算法。该算法在YOLOv8n的基础上作以下优化：在主干网络中使用动态幽灵卷积替换C2f（CSP Bottleneck with 2 Convolutions）中Bottleneck 的卷积层，显著降低模型参数量和计算复杂度，同时保持高效的特征提取；在SPPF（Spatial PyramidPooling-fast）模块后嵌入轻量级坐标注意力机制，实现通道与空间信息的协同重标定，强化关键细节反馈；在检测头部分，提出一种基于双向特征金字塔网络动态权重融合机制与跨阶段局部多尺度卷积模块的多尺度空间注意力特征金字塔，并通过空间—通道解耦下采样和高效上卷积模块进一步增强跨尺度特征融合，提升对小目标缺陷的检测能力。实验结果表明，相比于原来的YOLOv8n，改进模型不仅能够提升检测精度，还实现轻量化，模型参数量为原模型的36. 6%，平均精度均值提升3. 9%，模型体积和计算量分别降低至2. 6 M和3. 4 GFLOPs，相比原模型分别降低57. 3%和61. 8%。模型轻量化设计具备较快的推理速度，为资源受限场景的工业自动化检测提供高效可行的解决方案。

关键词：缺陷检测；轻量化YOLOv8n；钢材缺陷；注意力机制