买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：盐城工学院;盐城工学院技术转移中心有限公司

摘要：一种基于改进YOLOv8算法的轴承表面缺陷检测方法。该方法包括步骤：1、制作包含表面缺陷的轴承图像数据集，并将数据集进行扩增得到轴承表面缺陷样本数据集；2、对已增强后的数据集样本划分为训练集、测试集和验证集；3、构建改进型YOLOv8网络架构，并得到改进的YOLOv8算法模型；4、根据改进的YOLOv8算法模型，利用轴承表面缺陷样本数据集进行训练，得到训练好的改进的YOLOv8算法模型，即轴承表面缺陷检测模型；5、将待检测的轴承图像经图像预处理后输入轴承表面缺陷检测模型，输出该轴承图像中的缺陷位置及其对应的缺陷类别。经实例检测，本发明实现了轴承表面缺陷检测的高效率和高精度。

主权项：1.一种基于改进YOLOv8算法的轴承表面缺陷检测方法，其特征在于，包含以下步骤：步骤1：制作包含表面缺陷的轴承图像数据集，并进行数据集扩增得到轴承表面缺陷样本数据集；步骤2：对已增强后的数据集样本划分为训练集、测试集和验证集；步骤3：构建改进型YOLOv8网络架构，并得到改进的YOLOv8算法模型；步骤4：根据改进的YOLOv8算法模型，利用轴承表面缺陷样本数据集对进行训练，得到训练好的改进的YOLOv8算法模型，即轴承表面缺陷检测模型；步骤5：将待检测的轴承图像经图像预处理后输入轴承表面缺陷检测模型，输出该轴承图像中的缺陷位置及其对应的缺陷类别；所述步骤3中的改进的YOLOv8算法模型包含一个Dynamic_C2f模块、一个AH-SPPF模块、一个LSF-FPN模块和使用Inner-MPDIoU损失函数取代CIoU损失函数；步骤3-1：所述Dynamic_C2f模块是通过改变原C2f模块结构中的Bootneck模块，构建了一个更有效的焦点特征，从而在不增加网络计算的情况下提高对不同大小目标的识别；步骤3-2：所述AH-SPPF模块是增加额外的特征通道，所述AH-SPPF模块是在原SPPF模块的基础上，增加一条特征通道，用于对图像的特征信息进行逐步充分融合，以减少池化操作导致信息的丢失；其次还改进了最大池化层之间的连接方式，将原本的串行连接方式改进为并行连接；在保持感受野不变的情况下，获得了速度的提升；最后，将大型可分离核注意力LSKA机制引入到模块的输出位置；通过上述在原SPPF模块中实现的改进，获得了一个自适应分层空间的特征金字塔池化模块AH-SPPF；该模块有助于提升微小缺陷的准确率的情况下并减少误检情况，同时也增强了对后续特征融合结构中不同尺度有效信息的关注；步骤3-3：所述的LSF-FPN模块极大地缓解了基于FPN的网络中特征错位的问题，并实现了缺陷边界的准确表示；增强网络的多尺度信息提取能力；步骤3-4：所述的Inner-MPDIoU损失函数取代了YOLOv8算法模型中CIoU损失函数；通过辅助框的尺度调整提高了目标检测任务的精确度和效率，实现对于不同检测任务和检测目标的动态调整，使得模型具有更好的泛化能力；所述步骤4中，根据改进的YOLOv8算法模型，利用轴承表面缺陷样本数据集进行训练的过程，包括：步骤4-1：初始化改进的YOLOv8算法模型的网络权重、学习率、批处理大小、迭代次数；步骤4-2：将训练集中样本输入改进的YOLOv8算法模型中进行预训练；步骤4-3：采用Inner-MPDIoU损失函数损失函数，计算训练集中样本的预测框与目标GT框之间的损失值，并将损失值反向传播优化更新改进的YOLOv8算法的网络权重；步骤4-4：重复步骤4-2和步骤4-3，直至训练集中的样本用尽，得到预训练完成的改进的YOLOv8算法模型；步骤4-5：将验证集中样本输入预训练完成的改进的YOLOv8算法模型中进行验证；步骤4-6：计算验证集中样本的表面缺陷类别的精确度值AP，并计算所有精确度值AP的平均精确度值mAP；步骤4-7：重复步骤4-4至步骤4-6，直至多次获得的平均精确度值mAP等于或者趋近于一个固定值，得到训练完成的改进的YOLOv8算法模型；步骤4-8：利用测试集对训练完成的改进的YOLOv8算法模型进行测试，评估该模型的性能。

全文数据：

权利要求：

百度查询： 盐城工学院 盐城工学院技术转移中心有限公司 一种基于改进YOLOv8算法的轴承表面缺陷检测方法