DOI：10.3969/j.issn.1672-3872.2026.12.033
作 者：王 宇（河北省应急管理科学研究院，河北 石家庄 050000）
摘 要：为解决工业刀具表面缺陷检测中，因微小缺陷漏检、复杂背景干扰以及缺陷尺度变化大导致检测精度不足的问题，文章提出了一种融合渐近特征金字塔网络AFPN与注意力机制的改进YOLOv8算法。首先，为充分保留并利用用于检测微小缺陷的浅层特征，使用AFPN替代原YOLOv8的Neck部分，通过双向跨尺度连接和自适应空间融合，实现多尺度特征的高效交互。其次，引入多尺度注意力机制EMA，增强模型对缺陷区域的关注，抑制背景噪声。最后，针对刀具缺陷形状不规则的特点，将检测头中的回归损失函数替换为更注重边界框重叠质量的WIoU。在自建刀具表面缺陷数据集上的实验结果表明，改进后算法的mAP@0.5:0.95从55.1%提升到61.9%，有效满足了工业现场对刀具质量精准、高效检测的需求。
关键词：缺陷检测；注意力机制；YOLOv8；AFPN；WIoU损失函数
引文信息：[1]王宇.基于AFPN和YOLOv8的刀具表面缺陷识别算法[J].南方农机，2026，57(12)：132-135+157.
查看全文请下载PDF文件↓
