從可以看出，由于鮑爾瓷環(huán)缺陷體積小、種類繁多，且缺陷特征信息微弱難以提取，YOLOv8算法的mAP值為89.5％，本文算法mAP值可以達(dá)到92.3％;與YOLOv8算法相比，本文算法mAP值提高了2.8百分點(diǎn)，其中對(duì)變形、缺損、沙眼、陰影、劃傷分別提升了0.9,2.6,5.3,3.1,4.8百分點(diǎn);本文算法對(duì)沙眼的提升最大，這是因?yàn)樯逞鄣娜毕菪。�缺陷信息微弱，YOLOv8算法采用的標(biāo)準(zhǔn)卷積難以有效提取缺陷特征信息，而本文算法引入了DC'Nv3殘差塊，它可使算法更加貼合缺陷的輪廓，引入EMA可增加算法對(duì)缺陷的關(guān)注度，從而提升沙眼的檢測(cè)準(zhǔn)確度。本文算法對(duì)裂紋的檢測(cè)準(zhǔn)確率未提升，這是因?yàn)榱鸭y缺陷多表現(xiàn)為細(xì)長(zhǎng)外觀特征，且在鮑爾瓷環(huán)白色的背景下，裂縫的顏色相對(duì)來(lái)說(shuō)更深一些，它比其他缺陷更為明顯些，所以2種算法對(duì)裂紋檢測(cè)精度相同。本文算法對(duì)變形這類缺陷提升較小，且可以從2種算法的檢測(cè)結(jié)果發(fā)現(xiàn)，變形是各類缺陷檢測(cè)準(zhǔn)確率最低的一類缺陷，此類缺陷是相對(duì)于整個(gè)鮑爾瓷環(huán)產(chǎn)生的微弱形變，缺陷信息更為微弱，且在進(jìn)行拍攝時(shí)，很難保證缺陷件處于采集平臺(tái)的相同方位，采集結(jié)果受光線影響，就會(huì)導(dǎo)致算法檢測(cè)準(zhǔn)確度較低，因此改進(jìn)后算法對(duì)此類缺陷提升有限。輕量級(jí)的StarNetBlock、輕量級(jí)的注意力機(jī)制、USC'onv和VoVUSC'SPS的引入，使得計(jì)算量下降了約16.09％，參數(shù)量下降了約16.5％，權(quán)重文件體積約為YOLOv8算法的89.6％，本文算法在保持裂紋檢測(cè)精度的同時(shí)對(duì)其他缺陷均有提升，由此可見改進(jìn)的有效性。為更直觀地體現(xiàn)本文YOLOvB-SDE算法在鮑爾瓷環(huán)缺陷檢測(cè)中的表現(xiàn)，在沙眼、陰影、裂紋、缺損等缺陷零件上進(jìn)行實(shí)驗(yàn)。YOI_Ov8和YOI_Ov8-SDE算法識(shí)別準(zhǔn)確率的可視化結(jié)果見圖。http://www.0566game.com/