基于YOLOv8m-CLS的铝制品缺陷识别技术研究  

作　　者：陈晓桐 

机构地区：[1]福建商学院,福建福州350000

出　　处：《今日制造与升级》2024年第12期17-19,26,共4页Manufacture & Upgrading Today

基　　金：福建省自然科学基金资助项目(2020J01326)。

摘　　要：铝制品作为现代工业不可或缺的组成部分,其表面缺陷的准确识别对于确保产品质量、保障生产安全及提升产品美观度至关重要。鉴于传统检测方法存在效率低、精度不足等问题,本研究创新性地提出了YOLOv8m-CLS(即YOLOv8m结合定制化轻量化结构)算法,利用深度学习中的卷积神经网络(CNN)技术,实现了对铝制品表面缺陷的高效、自动检测与精确分类。实验表明,该方法不仅显著提升了检测精度,还保证了检测的实时性,为铝制品生产过程中的质量控制提供了坚实的技术支撑。

关 键 词：表面缺陷检测 YOLOv8m-CLS算法 自动检测 精确分类 

分 类 号：TG376[金属学及工艺—金属压力加工]