O couro de microfibra é um novo material compósito usado para produtos de alta qualidade, e a detecção de defeitos é crucial para a qualidade do produto. Para enfrentar os desafios dos defeitos na superfície do couro de microfibra caracterizados por múltiplas escalas, grandes diferenças na relação de aspecto e numerosos defeitos pequenos, foi proposto o algoritmo MFL_YOLOv8 para reconhecimento de defeitos na superfície do couro de microfibra. O algoritmo MFL_YOLOv8 primeiramente projetou um módulo de extração de características multiescala DCNv3-LKA baseado no mecanismo Deformable Large Kernel Attention (DLKA), que aprimora significativamente a capacidade da rede principal de extrair características multiescala; em seguida, ao introduzir o mapa de características P2 e o módulo de superamostragem Dysample na rede de pirâmide de características, reforçou a extração de detalhes de pequenos alvos; finalmente, introduziu o Minimum Points Distance Intersection over Union (MPDIoU) para aliviar o problema de falha da função de perda em pequenos alvos no início do treinamento, melhorando a detecção dos mesmos. Os resultados experimentais no conjunto de dados caseiro de defeitos na superfície do couro de microfibra mostraram que, em comparação com o YOLOv8n, o algoritmo proposto aumentou a precisão média de detecção e a taxa de recall em 5,38% e 7,27%, respectivamente, atingindo 92,47% e 92,40%, com taxa de quadros por segundo (FPS) de 135,2 quadros/s, atendendo aos requisitos de precisão e tempo real no ambiente industrial.

couro de microfibra;detecção de defeitos;DCNv3-LKA;MPDIoU