计算机工程

作者：郝友胜, 文贞慧, 冯小溪, 邓泽华, 黄清宝

单位：广西大学电气工程学院, 广西 南宁 530000

关键词：YOLOv算法,车辆漆面缺陷,目标检测,双向特征金字塔网络,损失函数

基金：国家自然科学基金(62276072); 广西研究生教育创新计划项目(JGY2023016); 广西大学研究生教育教学改革计划

针对车辆漆面缺陷检测精度低、检测算法参数量大、难易样本不均匀等问题, 提出一种基于改进YOLOv8的车辆漆面检测算法。首先, 为了提升划痕状缺陷检测能力并降低模型规模, 将DAT(Deformable Attention Transformer)注意力机制引入主干网络来增强长距离特征依赖关系, 同时使用幻影卷积(GhostConv)替换网络中的卷积(Conv)模块。然后, 为了提升特征提取能力并进一步降低模型规模, 结合FasterBlock模块与高效多尺度注意力(EMA)机制提出C2f-E(C2f Based on EMA)模块。接着, 为了提高小目标检测性能, 基于双向特征金字塔网络(BiFPN)进行设计, 并增加小目标检测头与多尺度特征融合支路, 提出BiFPN-D(BiFPN with Small Object Detection Head)颈部金字塔结构。最后, 为了解决难易样本的平衡问题并提高针对小目标缺陷的检测性能, 使用WIoUv3(Wise-Intersection over Union version 3)作为训练网络的损失函数。在自建的车辆漆面缺陷数据集上进行训练并开展对比实验。实验结果表明, 相较于YOLOv8n, 改进模型的均值平均精度(mAP@0.5)提高了5.5百分点、规模减小了1.4×106。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期