摘要
本发明公开了一种基于改进的YOLOv8的焊缝缺陷检测方法,其采用的识别模型的构建过程包括:收集焊缝图像制作数据集,数据集中焊缝的缺陷类型包括夹渣、裂纹、气孔、未焊透、未熔合;将原始YOLOv8网络结构的主干网络中的下采样模块替换为CG block模块,采用SPPF_LSKA模块替换主干网络中的SPPF模块,并对原始YOLOv8网络结构的检测头进行轻量化改进;将数据集以8:1:1的比例分为训练集、验证集和测试集,然后将数据传输到改进后的YOLOv8网络中进行训练,并保存模型。该算法可以在高效、准确的识别出相应的焊缝缺陷的同时,能够满足部署在移动设备的检测效率的需求,方便在不同的工作场景中使用。
技术关键词
焊缝缺陷检测方法
网络结构
检测头
特征金字塔网络
卷积模块
采样模块
训练集
注意力机制
数据
移动设备
裂纹
图像
场景
算法
参数
系统为您推荐了相关专利信息
输出特征
异物入侵检测方法
上采样
网络
深度特征提取
卷积循环神经网络
疲劳检测方法
时序特征
电信号
特征提取模块
图像识别方法
道路图像数据
道路病害
区域建议网络
多尺度特征