초섬유 가죽은 고급 제품에 사용되는 신형 복합 재료로, 결함 검사는 제품 품질에 매우 중요합니다. 초섬유 가죽 표면 결함의 다중 규모, 길이와 너비 비율 차이 큼, 미세 결함 다수 등의 어려움을 해결하기 위해 초섬유 가죽 표면 결함 인식용 MFL_YOLOv8 알고리즘이 제안되었습니다. MFL_YOLOv8 알고리즘은 먼저 Deformable Large Kernel Attention(DLKA) 메커니즘 기반의 다중 규모 특징 추출 모듈 DCNv3-LKA를 설계하여 백본 네트워크의 다중 규모 특징 추출 능력을 크게 강화하였고; 이후 특징 피라미드 네트워크에 P2 특징 맵과 Dysample 업샘플링 모듈을 도입하여 네트워크가 작은 객체의 세부 정보를 더 잘 추출하도록 강화하였으며; 마지막으로 Minimum Points Distance Intersection over Union(MPDIoU)를 도입해 학습 초기 작은 객체의 손실 함수 실패 문제를 완화하여 작은 객체 검출 효과를 향상시켰습니다. 자체 제작한 초섬유 가죽 표면 결함 데이터셋에서의 실험 결과, 제안된 알고리즘은 YOLOv8n 대비 평균 검출 정확도와 재현율을 각각 5.38%와 7.27% 향상시켜 92.47%와 92.40%에 달하며, 초당 프레임률(FPS)은 135.2 frame/s로 산업 현장의 정확성과 실시간 요구를 만족합니다.

초섬유 가죽;결함 검출;DCNv3-LKA;MPDIoU