基于CDA-YOLOv8的铝型材表面缺陷检测
赵娅薇 Zhao Yawei, 孙庚 Sun Geng, 王洪杰 Wang Hongjie, 胡浩南 Hu Haonan · Laser & Optoelectronics Progress · 2025
针对现有铝型材表面缺陷检测算法在实际任务中存在检测精度低的问题，提出了一种改进YOLOv8s的铝型材表面缺陷检测算法（CDA-YOLOv8）。首先，使用CG Block（Context Guided Block）模块改进网络中的3×3下采样卷积，加强对目标全局上下文的特征提取，并聚合局部显著特征和全局特征以提高特征泛化能力；其次，引入扩张式残差模块DWR（Dilation-Wise Residual），改进C2f中的Bottleneck结构，提升多尺度特征提取能力，提高小目标检测能力；最后，针对铝型材表面微小缺陷特征信息丢失的问题，设计了ASFP2检测层，其融合了小目标检测层和SSFF（Scale Sequence Feature Fusion）模块，集成到YOLOv8s的颈部网络，提取和传递在小尺寸缺陷中更为关键的小目标特征信息，提升检测性能。实验结果表明，CDA-YOLOv8算法在精确率、召回率和平均精度均值上分别达到了93.4%、80.4%和88.1%，相比原始的YOLOv8s算法分别提高了5.1百分点、2.4百分点和4.4百分点，该算法在提升检测效果方面取得显著进展，尤其在微小缺陷的识别能力上有明显提升。