一种基于YOLOv8深度学习算法的粉末冶金产品表面缺陷检测方法

本发明公开了一种基于YOLOv8深度学习算法的粉末冶金产品表面缺陷检测方法，属于金属检测技术领域。针对现有技术对复杂粉末冶金产品表面微小缺陷识别精度不足、检测效率低的技术瓶颈，提出一种集成高精度成像系统与YOLOv8深度学习算法的解决方案。该方法具体包括：（1）通过机器视觉系统对粉末冶金产品表面缺陷进行数据采集；（2）利用labelme软件对采集到的数据信息进行缺陷标注，得到样本数据；（3）采用YOLOv8算法对样本数据进行训练，扩充数据集，优化训练参数；（4）通过机器视觉系统采集待检测粉末冶金产品的数据信息，识别产品的表面缺陷。采用该系统进行表面缺陷检测，检测精度达到99.98%（PPM＜100），单件检测耗时控制在5s以内，较传统方法检测效率提升40%以上。本发明显著提高了粉末冶金制品的质量检测自动化水平，为智能制造领域提供了可靠的技术支持。