一种基于改进型YOLOv8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改进型YOLOv8深度学习算法的粉末冶金产品表面缺陷智能检测方法，属于机器视觉和目标检测领域。该方法具体包括：(1)构建高分辨率工业图像采集系统，通过多角度光源配置获取产品表面多光谱图像数据；(2)采用自适应标注策略对缺陷特征进行像素级标注，建立多维度样本数据库；(3)基于迁移学习优化YOLOv8网络架构，引入注意力机制提升小目标检测能力；(4)通过动态参数调整算法实现检测模型的迭代优化；(5)部署实时检测系统进行在线缺陷分类与定位。本发明的创新点在于：首次将改进型YOLOv8算法与多模态成像技术相结合，通过设计的特征融合模块有效提升了复杂粉末冶金产品表面微小缺陷的识别精度。经实验验证，单件产品检测时间≤3.5秒，缺陷检出率≥99.98%，缺陷分类准确率≥99.5%。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。