一种基于YOLOv8的金属缺陷识别方法

本发明公开一种基于YOLOv8的金属缺陷识别方法，该方法通过LabelMe半自动标注工具对采集的样本数据集进行半自动标注，并利用现有的YOLOv8模型进行检测反馈。对于检测结果较差的标注样本，通过LabelImage标注工具进行手动标注校正；将原始YOLOv8网络中的特征融合部分替换为基于双向特征金字塔网络思想的加权拼接操作、特征增强层和门控机制的组合，对不同尺度的特征进行自适应融合；在原始YOLOV8网络的主干网络最后一层插入GCNECA模块；在原始YOLOV8网络的颈部网络层中的P3层后插入TransformerSE模块；在原始YOLOV8网络的颈部网络层中的P5层后插入MultiScaleLSTMSimAM模块，以增强大目标金属缺陷的检测效果。该方法增强了在自然场景下的对金属缺陷识别能力，具有更强的鲁棒性、准确率和效率。