一种基于改进YOLOv8的XCT纤维束识别方法

本发明公开了一种基于改进YOLOv8的XCT纤维束识别方法，包括以下步骤：步骤一、建立2.5D编织结构的纤维束XCT切片数据集，并将其分为训练集与验证集；步骤二、对XCT切片数据集进行数据增强，增加样本数量；步骤三、建立用于分割XCT切片数据集中纤维束的YOLOv8_CMC网络的网络模型；步骤四、将XCT切片数据集导入YOLOv8_CMC网络中；步骤五、对YOLOv8_CMC网络进行训练；步骤六、YOLOv8_CMC网络训练完成后，对所有图片进行语义分割，综合精确率、召回率和平均精度均值这三个评估参数，选择分割效果最好的作为最优权值文件来分割所有的XCT图片，完成2.5D编织结构的纤维束识别。本发明在保证较高识别准确率的情况下，解决了现有卷积神经网络体积大，训练时显存占用大、训练时间慢的问题，非常适合应用于2.5D编织类型的陶瓷基复合材料预制体的纤维束(经纱、纬纱)的识别。