改进YOLOv8轻量化轴孔检测算法

针对制造业装配过程中对轴孔零件的实时检测、误检、错检等问题,提出了一种面向工业轴孔零件检测的轻量级卷积技术模型YOLOv8-GBVL。首先,为了解决大型模型在边缘设备中难以满足检测要求的问题,引入了Slim-Neck模型,该模型将轻量级卷积技术GSConv融入主干网络,并在颈部网络中用VoV-GSCSP结构替代了C2f结构,从而在检测中兼顾准确性与速度,实现了整体网络的轻量化;其次,在颈部融合BiFPN-SimAM技术增强对微小零件的特征提取;最后,构建小型轻量级检测头LDetect,并且使用GSConv技术进一步轻量化头部网络。在轴孔图像数据集上的实验结果表明,对比YOLOv8n模型,YOLOv8-GBVL模型的检测精度mAP@0.5提高了2.5%,mAP@0.5-0.95提高2.9%,并且计算量和网络参数量分别减少了约13%和19%,满足智能装配场景下的实时检测需求。

资料为PDF文档格式.

本文档关键词:量化,测算,改进,YOLOv8,轴孔检