一种基于特征增强的带钢缺陷检测方法

本发明公开了一种基于特征增强的带钢缺陷检测方法，属于深度学习目标检测领域，该方法包括:S1:数据集收集与预处理，得到训练集与验证集。S2:以YOLOv8算法为基础模型进行改进，构建检测模型，构建非跨行卷积来替换YOLOv8骨干网络中的跨行卷积和池化层，增强对于图像特征的提取S3:构建特征增强模块添加至检测模型中；增加全局信息的捕捉，提高模型的感知能力，对缺陷目标有更好的定位效果。S4：使用Wise‑IoU边界损失函数来替代原有的损失函数；优化原始网络的性能。S5：对检测模型进行迭代训练，待模型收敛后，选择精度最高的模型作为带钢表面缺陷检测的最终模型。S6：将训练好的权重文件下载到YOLOv8模型中对测试集中的图像或实际的水下视频或图像进行检测，将检测出的种类、位置、置信度等信息在图片中加以标注，并输出相关文件。本发明能够有效地解决现有模型在带钢缺陷检测目标检测场景中多尺度特征提取能力不足、复杂背景信息干扰严重以及语义信息混淆等问题。