机床与液压

作者：张新荣，方怀松，张楚，邓祥帅，王艳龙

单位：淮阴工学院自动化学院；淮阴工学院自动化学院；淮阴工学院自动化学院；淮阴工学院自动化学院；淮阴工学院自动化学院

关键词：缺陷检测;轻量级;LCNet-C;GSConv;注意力机制

基金：国家自然科学基金项目（62303191； 61773182）

针对现有钢材表面缺陷检测算法参数多、计算量大、精度低和不易部署到资源有限的嵌入式设备中等问题，基于YOLOv8n目标检测算法，提出一种轻量级钢材检测算法YOLO-LGM。通过设计轻量级网络LCNet-C重构YOLOv8n的主干特征提取网络，以降低网络的参数量和计算量；将YOLOv8n网络模型Neck层中的Conv模块替换为GSConv模块，在减轻模型的计算量同时提升模型的精度；最后，将多尺度注意力机制（EMA）融入到C2f模块中，构建C2f-EMA模块，将Neck层中所有C2f模块替换为融合注意力机制后的C2f-EMA模块，进一步提升模型精度。实验结果表明：在NEU-DET数据集上,YOLO-LGM的模型大小为3.5 MB，参数量为1 642 622，GFLOPs为5.0，均值平均精度为76.4%；与YOLOv8n相比，模型大小减少了43.5%，参数量减少了45.4%，GFLOPs减少了38.3%，均值平均精度提升了1.6%。改进后的算法在检测钢材缺陷方面的效果有所提升，且模型更加轻量，适合部署在嵌入式设备中。

来源：2024年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第24期