一种基于改进YOLOv8的船舶工业钢材表面缺陷检测算法

本发明属于缺陷检测技术领域，尤其为一种基于改进YOLOv8的船舶工业钢材表面缺陷检测算法。本发明通过获取船舶工业钢材表面缺陷图像进行预处理操作，对改进后YOLOv8模型进行训练，获得钢材表面缺陷类别和位置。具体算法改进包括：在原始算法的基础上，首先，设计使用EfficientViT‑M2网络与SPPELAN模块组成EfficientViT‑SPPELAN主干替换原始YOLOv8模型主干，能够在不同尺度上捕获更多的上下文信息，从而提高模型的准确性，同时模型应用Lion优化算法，提高模型的训练效率和性能；其次，提出设计一种STSConv卷积模块替换原模型颈部网络中标准卷积模块；最后，使用STSConv卷积设计STS Bottleneck模块，同时采用细颈网络结构设计出STS模块代替原模型颈部网络结构中的C2f模块，降低计算和网络结构复杂性。本发明基于改进后的YOLOv8n目标检测算法，能够识别检测钢材表面缺陷类型和位置，提升了检测精准度，满足船舶工业刚才表面缺陷检测要求。