皮革科学与工程

作者：唐灏, 陈法明, 冯志鹏, 何凌志,

关键词：BiFPN, YOLOv8, 皮革, 缺陷识别, 目标检测, 多尺度特征融合, 深度学习, 优化策略,

传统的图像处理方法难以有效应对复杂背景和不同尺度的缺陷，文章提出了一种融合双向特征金字塔网络（BiFPN）的YOLOv8架构优化策略，旨在提升皮革缺陷识别的精度和效率。YOLOv8作为一种高效的目标检测框架，结合BiFPN的多尺度特征融合优势，增强了模型在复杂背景下的特征提取能力。通过在YOLOv8中引入BiFPN模块，模型能够更好地捕捉不同尺度的皮革缺陷，并通过优化后的损失函数进一步提高识别的准确性和稳定性。实验结果表明，改进前的YOLOv8权重为6.3 MB，改进后降至4.3 MB，且mAP50提高了0.2%。该优化策略相较于传统方法和未融合BiFPN的YOLOv8，提升了识别精度和识别速度，优化了YOLOv8框架在皮革缺陷检测中的有效性及实际应用潜力。

来源：2025年第5期

《皮革科学与工程》期刊编辑部

查看皮革科学与工程杂志2025年第5期