改进轻量高效FMG-YOLOv8s的钢材表面缺陷检测算法

• 全文链接
• 请求原文

作   者：

梁礼明;  龙鹏威;  李俞霖; 

作者机构：

江西理工大学电气工程与自动化学院; 

关键词：

轻量化YOLOv8s;  M-C2f;  GS-Detect;  缺陷检测;  FasterNet; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2025 年 61 卷 003 期

页   码：

84-93

摘   要：

针对当前钢材表面缺陷检测存在效率低和精度差等问题，以及现有缺陷检测模型结构复杂、参数量庞大、检测精度和实时性较差的挑战，基于YOLOv8s模型，提出一种轻量高效的钢材缺陷检测算法（FMG-YOLOv8s）。该方法采用轻量级的FasterNet网络作为骨干网络，降低模型复杂度并更好地处理多尺度特征信息，以提升检测性能；重构特征交互模块（M-C2f），有效保留空间和通道特征，抑制冗余信息，促进检测精度和速度的提升；设计GS-Detect模块作为整体模型的检测网络，降低模型复杂度，提升训练和推理速度。在Severstal钢材缺陷数据集进行实验验证，相较于YOLOv8s算法，FMG-YOLOv8算法的mAP提升3.3个百分点，参数量和计算量分别降低8.2×10～6和2.21×1010，检测速度达到250帧/s，召回率提升6.9个百分点。实验结果表明，该算法在检测精度、速度和轻量化方面取得更好的平衡，为边缘终端设备提供较高精度、轻量化和实时性的可靠参考。在NEU-DET缺陷数据集上进行泛化性验证，相较于原模型，mAP和检测速度分别提升3.1个百分点和185帧/s，结果显示该算法具备良好的鲁棒性。