朱永红，吴松涛
(景德镇陶瓷大学 机械电子工程学院，江西 景德镇 333403)

摘  要：目前瓷砖表面的缺陷检测多数仍是由人工完成，生产效率低下，检测精度较低。为了解决以上问题，提出一种基于融入动态蛇形卷积和注意力机制的YOLOv8n瓷砖缺陷检测与分类方法。该方法首先在YOLOv8n模型主干网络和颈部网络中使用C2F-DSConv替换原来的C2F以增强对划痕缺陷特征的提取。其次，在模型中增加CBAM注意力模块以使模型能够更有效地从图像中学习到有用的特征，从而改善模型性能。最后，将损失函数CIoU修改为Inner-SIoU损失函数以增强模型对小目标的特征提取能力。实验结果表明，相较于原始模型，基于改进的YOLOv8n瓷砖缺陷检测模型的平均检测精度提高了2.6%且模型的计算量仅增加了0.5G。此外，所提出的方法在对比实验和自建数据集实验中表现出明显的优势。
关键词：瓷砖；YOLOv8n；动态蛇形卷积；注意力机制；缺陷检测