基于改进YOLOv8的药片泡罩包装缺陷检测算法

目的 针对目前药片泡罩包装缺陷检测算法中缺陷类型单一、检测精度低、实时性能差等问题,提出了一种基于改进YOLOv8的药片泡罩包装缺陷检测算法UACSS-YOLO(UNetV2-ADown-ContextAggregation- Slim-Neck-SAttention-YOLO)。方法 该算法首先设计了主干网络UNetV2捕捉多尺度特征,采用轻量化下采样卷积层ADown降低训练成本,接着引入注意力机制ContextAggregation聚合上下文信息,提升复杂背景下的检测能力,最后将原颈部网络和检测头分别替换为Slim-Neck和SAttention,以减少参数量并提高检测速度。结果 UACSS-YOLO较YOLOv8在精确度P上提升了6.6%,在召回率R上提升了5.2%,在PmA@0.5上提升了4.8%,同时浮点运算数只有11.9 G。结论 相比其他算法,UACSS-YOLO满足低算力兼顾高精度的部署需求,为药片制造过程中的实时缺陷检测提供了一种高效的技术解决方案。