超微細繊維革は高級製品に使用される新しい複合材料であり、その欠陥検出は製品品質にとって極めて重要です。超微細繊維革の表面欠陥が多尺度であり、縦横比の差が大きく、小さな欠陥が多いという課題に対して、超微細繊維革表面欠陥認識のためのMFL_YOLOv8アルゴリズムを提案しました。MFL_YOLOv8アルゴリズムはまず、Deformable Large Kernel Attention（DLKA）機構に基づき、多尺度特徴抽出モジュールDCNv3-LKAを設計し、バックボーンネットワークの多尺度特徴抽出能力を著しく強化しました。その後、特徴ピラミッドネットワークにP2特徴マップとDysampleアップサンプリングモジュールを導入し、ネットワークの小物体の詳細情報抽出を強化しました。最後に、Minimum Points Distance Intersection over Union（MPDIoU）を導入し、学習初期の小物体における損失関数の機能不全問題を緩和し、小物体の検出効果を向上させました。自社製超微細繊維革表面欠陥データセットでの実験結果は、YOLOv8nと比較して、提案アルゴリズムが平均検出精度とリコールをそれぞれ5.38％と7.27％向上させ、92.47％と92.40％に達し、毎秒135.2フレーム（FPS）の処理速度で、産業現場の精度とリアルタイム性の要件を満たしていることを示しました。

超微細繊維革;欠陥検出;DCNv3-LKA;MPDIoU