Микрофибровая кожа — это новый композитный материал для высококлассной продукции, и обнаружение дефектов на ней имеет решающее значение для качества продукции. Для решения проблем многоуровневых дефектов на поверхности микрофибровой кожи с большим разбросом соотношения сторон и множеством мелких дефектов была предложена алгоритм MFL_YOLOv8 для распознавания дефектов поверхности микрофибровой кожи. Алгоритм MFL_YOLOv8 сначала на основе механизма Deformable Large Kernel Attention (DLKA) разработал модуль извлечения многоуровневых признаков DCNv3-LKA, значительно усиливающий способность основной сети извлекать многоуровневые признаки; затем за счет введения карты признаков P2 и модуля повышения дискретности Dysample в сеть с пирамидой признаков усиливает извлечение деталей мелких объектов; наконец, введено перекрытие точек с минимальным расстоянием Intersection over Union (MPDIoU) для смягчения проблемы неработающей функции потерь на мелких объектах в начале обучения, улучшая обнаружение мелких объектов. Эксперименты на самодельном наборе данных дефектов поверхности микрофибровой кожи показали, что по сравнению с YOLOv8n предложенный алгоритм увеличил среднюю точность обнаружения и полноту на 5.38% и 7.27% соответственно, достигнув 92.47% и 92.40%, при кадровой частоте 135.2 кадр/с, удовлетворяя требованиям точности и скорости в промышленной среде.

микрофибровая кожа;обнаружение дефектов;DCNv3-LKA;MPDIoU