计算机工程与应用

作者：徐成, 单文桃, 张陈, 陈泽明, 杨汶睿, 韩振华

单位：江苏理工学院 机械工程学院，江苏 常州 213001；

关键词：缺陷检测,YOLOv8n,星型操作,注意力机制,加权特征金字塔,损失函数

基金：国家自然科学基金（52005229）；江苏省高校自然科学重大项目（19KJA510001）。

针对焊缝表面缺陷检测中的目标存在空间聚集分布、背景纹理复杂、特征显著性不足等挑战，以及传统模型在低信噪比环境下特征表征能力弱、计算冗余等问题，基于YOLOv8n设计星聚双向融合网络（LSBi-YOLO）。构建星聚融合网络（SANet），利用三阶异构卷积融合策略保留关键特征；开发方向增强型空间金字塔池化模块（OS-SPPF），通过线性纹理特征权重优化提升多类缺陷辨识度；进而设计自适应双向多尺度融合网络（ABiMFN），建立跨层级双向交互机制以强化缺陷特征表达并抑制背景噪声；提出融合双重聚焦机制的（PIoU）损失函数，通过抑制冗余检测框有效提升模型收敛速度。实验结果表明，LSBi-YOLO模型在焊缝缺陷检测任务中综合性能显著提升，相较于基线模型，其测试集准确率、召回率和mAP@0.5分别提高3.6、4.6和3.2个百分点，模型参数量减少0.39×106，检测速度达到108.3?FPS；在嵌入式设备上的检测速度为59.2?FPS，平均精度为86.3%，结果证明整体性能优于当前主流焊缝缺陷检测算法。

来源：2026年第8期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第8期