改进的YOLO算法，用于检测香烟纸箱外包装上的胶带密封缺陷

摘要

外包装的密封不良可能导致产品被挤压、变形或脱落，从而不可避免地给企业或个人带来损失。因此，在工业制造中检测外包装上的胶带密封缺陷至关重要。基于视觉感知的表面缺陷检测系统在工业质量检测中非常流行。然而，传统的表面缺陷检测方法精度有限且检测速度较慢。工业产品表面的缺陷通常具有多尺度、多类型的特点，同时存在大量小目标和复杂的背景干扰。在复杂的背景干扰中检测微小的多尺度缺陷极具挑战性。因此，开发能够准确检测工业缺陷的算法仍然是一个难题。为此，我们提出了一种模型，该模型使用YOLOv8来检测香烟盒的胶带密封缺陷。通过使用多样化的分支块（DBB），主干网络提取多尺度特征并扩大有效感受野；其次，在颈部区域实现组合模块（CCFM+C2fiRMA）以提高检测精度；此外，我们还采用了焦点损失（focal loss）来进一步增强对微小物体的检测能力。实验结果表明，我们的模型在QZU-DET数据集上的mAP₅₀达到了98.1%，mAP₅₀₋₉₅达到了67.8%，分别比YOLOv8n高出3.2%和2.2%。同时，我们的方法获得了91.6%的F1分数，表明其检测可靠性很高。总体而言，所提出的模型能够在实际的工业场景中高效准确地检测胶带密封缺陷。