一种基于FCS-YOLOv8算法的电池缺陷检测方法和系统

本发明提供了一种基于FCS‑YOLOv8算法的电池缺陷检测方法和系统，涉及碱性电池电极缺陷检测技术领域。包括：对YOLOv8基础模型进行改进生成FCS‑YOLOv8神经网络模型，包括：采用FasterNet模块替换YOLOv8基础模型的主干网络；在YOLOv8基础模型的主干网络末端集成混合注意力机制模块CBAM；采用细粒化卷积模块SPD‑Conv替换YOLOv8基础模型颈部网络中步长为2的跨步卷积；采用WIoU作为边界框回归损失函数，代替YOLOv8基础模型的CIoU损失函数；通过预设的数据集对FCS‑YOLOv8神经网络模型进行训练；将待检测电池图片输入至训练后的FCS‑YOLOv8神经网络模型中生成电池缺陷的检测结果。解决了现有检测算法在计算复杂度、微小缺陷检测能力以及定位精度方面的不足问题，同时满足工业生产中对高效率、高精度的需求。