基于改進YOLOv8的大米袋包裝表面缺陷檢測

摘要：為解決傳統米袋包裝表面缺陷檢測方法效率和精度欠佳的問題，文章提出一種基于YOLOv8n的改進模型。該模型通過引入Wise-IoU損失函數和GAM注意力機制，提升了邊界框回歸速度和目標定位精度。在自建RICE_PACKAGE-DET數據集上的實驗結果表明，改進模型的mAP@0.95和mAP@0.5相比基準模型分別提升2.4%和2%，平均檢測精度達到96.8%。

關鍵詞：YOLOv8算法；缺陷檢測；注意力機制；深度學習；Wise-IoU

中圖分類號：TP311" "文獻標識碼：A

文章編號：1009-3044（2025）07-0029-05

開放科學（資源服務） 標識碼（OSID）

0 引言

大米袋包裝的完整性直接影響大米質量和市場價值。然而，傳統的缺陷檢測方法存在效率低、漏檢率高等問題，因此亟須開發自動化、高精度的檢測方法。

為了解決上述問題，本文提出了一種基于改進YOLOv8的缺陷檢測方法，本文主要進行了如下工作。

1） 通過采用多種數據增強手段模擬實際情形，構建了一個專門針對制造組裝后的大米袋包裝的數據集RICEPACKAGE-DET。

2） 提出了一種基于YOLOv8n的小目標檢測模型。改進的模型在YOLOv8n的基礎上在骨干網絡中使用了GAM_Attention注意力機制，在損失函數的優化環節中，融入了動態非單調的聚焦機制，運用Wise-IoU損失函數來構建模型結構。

3） 針對所構建的模型，在RICE_PACKAGE-DET數據集上開展了大量的實驗。實驗所獲取的數據有力地證實，文中所提出的經過改進的這一模型，在大米包裝缺陷檢測方面展現出了十分理想的精度水平，能夠較好地滿足實際檢測需求。

1 相關領域研究

近年來，基于深度學習的計算機視覺算法在大米袋包裝表面缺陷檢測領域取得了顯著進展，為實現自動化、高效的檢測流程以及實時監控提供了可靠技術支持[1]。

目標檢測方法從深度學習的角度劃分，主要分為兩類：基于錨框（Anchor-based） 和無錨框（Anchor-free） 。Anchor-based方法，如Faster R-CNN等，通過預設一系列不同尺度和長寬比的錨框（Anchor） 生成候選區域，從而進行目標檢測。在包裝缺陷檢測中，這類方法能夠利用錨框對不同大小和形狀的缺陷進行初步定位，在一些規則包裝且缺陷特征較為明顯的場景下，能取得不錯的檢測效果。然而，其局限性在于錨框的設計需要人工經驗，且計算量較大，對小目標和形狀不規則的缺陷檢測效果欠佳，容易出現漏檢情況。

Anchor-free方法，像CornerNet、CenterNet等，則摒棄了錨框，直接預測目標的關鍵點或中心位置等。在包裝缺陷檢測應用中，它們能夠更靈活地檢測目標，減少對錨框的依賴，在檢測小目標缺陷時具有一定優勢。不過，這類方法對于復雜背景下的缺陷檢測，由于缺乏有效的背景過濾機制，容易受到背景噪聲干擾，導致誤檢率升高。

YOLOv8作為一種先進的目標檢測模型，網絡結構包含主干網絡（Backbone） 、頸部網絡（Neck） 以及檢測頭（Head） [2]。針對包裝缺陷檢測問題，Sheng等采用 ECA-EfficientDet 算法，通過 mosaic 數據增強、設計 ECA-Convblock、引入 Mish 激活函數和異構數據遷移學習，在小樣本下實現了 99.16% 的高精度檢測[3]。Vua等構建基于 YOLO 算法的實時檢測系統，通過實時視頻接收、缺陷檢測和自動分類等模塊實現對包裝缺陷的檢測，雖存在一些局限，但為實際應用提供了思路[4]。Shuai等針對金屬齒輪端面缺陷檢測難題，提出 SF-YOLO 方法，利用顯著區域提取、BiFPN模塊和改進的麻雀算法優化，有效提高了檢測精度和效率，滿足企業實時檢測需求[5]。趙敏等針對包裝盒缺陷檢測精度低和泛化能力差的問題，將 YOLOv5s 主干網絡替換為Swin-Transformer并加入正則化方法，使mAP提升0.7%，提高了模型檢測性能[6]。

盡管以上方法取得了一定進展，但在實際應用中仍存在不足。在檢測大米袋包裝上的微小針孔缺陷這類小目標時，一些基于 Anchor-based 的方法由于錨框尺度設置問題，難以準確捕捉到小目標，導致漏檢情況頻發。而對于復雜背景下的缺陷檢測，如大米袋上有多種圖案和文字的情況下，Anchor-free 方法容易將背景中的圖案誤判為缺陷，導致誤檢率升高。在面對遮擋目標時，現有方法往往難以準確識別被部分遮擋的缺陷，使得檢測精度大幅下降，無法充分滿足大米袋包裝缺陷檢測的實際需求 。

2 YOLOv8 目標檢測模型

YOLOv8 作為前沿的目標檢測模型，其網絡架構主要由主干網絡（Backbone） 、頸部網絡（Neck） 和檢測頭（Head） 構成。

待檢測圖像輸入后，Backbone負責提取特征。它通過卷積與反卷積層，結合殘差連接和瓶頸結構，縮小網絡規模并提升特征提取性能。其中，C2f模塊作為基礎單元，相比YOLOv5的C3模塊，因引入分割操作和更多跨層連接，獲取了更豐富梯度流，以更少參數量實現更優的特征提取。

Neck在三個尺度上融合Backbone提取的特征，提高對不同尺寸目標的檢測效果。其包含SPPF、FPN和PAN，SPPF把不同尺寸特征圖轉為固定特征向量，FPN自上而下傳遞語義信息，PAN自下而上傳遞定位信息，三者協同實現多尺度特征融合。

Head采用解耦檢測頭設計，摒棄基于錨框的預測，改用無錨框方法。通過分類和回歸兩個獨立分支，檢測頭經卷積與反卷積層生成檢測結果，分類頭用全局平均池化對特征圖分類，最終實現目標的精準分類與定位。改進后的網絡結構圖如圖1所示。

3 優化方案

3.1 損失函數優化

YOLOv8原回歸損失計算采用DFL和CIoU的結合。在面對復雜多樣的缺陷樣本時，難以有效平衡不同質量樣本的學習，無法有效區分不同質量的錨框，導致對部分缺陷的定位和識別不夠準確，增加計算復雜性，影響整體檢測性能。傳統的CIoU的表達式如下。

[[LCIoU=1-IoU+ρ2（b，bgt）c2+αv.] （1） [v=4π2（arctanwgthgt-arctanwh）2.] （2） [α=v（1-IoU）+v] （3） ]

式中，參數解釋如下，IoU是預測框與真實框的交集面積與并集面積的比值，b表示預測框的中心點坐標，[bgt]表示真實框的中心點坐標， [ρ2（b，bgt）]是兩個中心點之間的歐氏距離的平方，是能夠同時包含預測框和真實框的最小閉包區域的對角線長度，[wgt]和[hgt]分別表示真實框的寬度和高度，[v]用于衡量寬高比的一致性。[α]是一個平衡因子，它根據[v]和[IoU]的值來動態調整在損失函數中的權重，用于調整寬高比的一致性。

在大米袋包裝缺陷檢測場景中，存在破洞、污漬、封口不嚴等多種缺陷且樣本質量不一。如微小破洞因與背景對比度低成為低質量樣本，原損失函數因側重高質量樣本，易忽略此類樣本，致使缺陷定位不準，降低整體檢測精度。本文引入Wise-IoU來代替CIoU作為YOLOv8算法的回歸損失。

Wise-IoU[7]模型在平衡樣本方面通過“離群度”計算聚焦系數，用于評估錨框質量。Wise-IoU能根據錨框質量對高低質量錨框分別降低其梯度增益，而 CIoU 沒有這種根據錨框質量動態調整的機制。在處理低質量樣本時，Wise-IoU通過這個公式能平衡不同質量樣本在訓練中的作用，克服了CIoU處理低質量樣本的不足。FM 機制依據“離群度”動態分配梯度增益，通過靈活調整學習重點，使得模型在訓練時能更關注需要學習的錨框，改善了 CIoU梯度分配不合理的問題 。

[[LWIoUv3=rLWIoUv1，r=βδαβ-δ] （4） ]

[LWIoUv1] 是 Wise - IoU v1版本的損失函數值，[LWIoUv3]是Wise - IoU v3版本的損失函數值。[β]用于衡量錨框的質量或其與理想狀態的偏離程度。[r]為聚焦系數，[α]和[δ]均為超參數。

3.2 GAM注意力機制

在深度學習領域，注意力機制是一類能夠有效提升模型性能的重要技術，注意力機制通常涵蓋通道注意力、空間注意力以及通道空間注意力。將其引入模型中，能夠強化模型對目標特征表征的學習，讓模型對目標的理解和識別能力得到進一步提高。

由于米袋包裝表面缺陷呈現出多樣性和復雜性的特點，致使模型在檢測時，可能難以識別出某些缺陷，或者檢測結果的準確性欠佳。在這種情況下，注意力機制的優勢得以凸顯，能夠有效改善上述問題 。

本文將 GAM[8]注意力機制融入骨干網絡以提升大米包裝袋缺陷檢測性能。常見的 CBAM、CA 等注意力機制在處理通道和空間信息交互時有局限，而 GAM 能有效解決。在大米包裝袋缺陷檢測中，GAM 可精準捕捉缺陷特征，提高檢測準確性與效率，顯著增強了模型表征能力，為保障包裝質量提供有力支持。

GAM 注意力模塊的結構如圖2所示，其主要作用是對圖像特征進行處理。具體來說，給定輸入特征圖 F1、中間狀態特征圖 F2 和輸出特征圖 F3 。首先，將F1 與通道注意力圖 Mc 進行逐通道相乘，凸顯重要通道特征。然后，空間注意力圖 Ms 再和得到的特征進行逐元素乘法運算，此模塊通過這樣的方式實現對圖像特征重要信息的提取，同時強化不同通道與空間之間的交互，其本質是一種基于全局觀察和建模的機制，具體計算公式如下：

[[F2=MC（F1）?F1=sigmoid[K1?ReLU（w2y+b2）T]] （5） [y=w1KT1+b1] （6） [F3=MS（F2）?F2=sigmoid[ConvBN（ConvBNReLU（K2））]] （7） ]

通道注意力子模塊如圖3所示，該模塊在三個維度上運用3D置換策略，保留關鍵信息。通過雙層多層感知機（MLP） 增強通道與空間的關聯，以此提升對特征信息的處理能力與效率，為后續任務提供更具判別力的特征表示。

如圖4所示的是空間注意力子模塊，通過兩個7×7大小的Conv卷積操作，對輸入圖像的空間信息進行融合。為了確保與通道注意力子模塊在參數設置上的協調性，二者采用相同的縮小比率，以此實現兩個模塊在整體架構中的協同運作，進一步提升模型處理空間特征的效果和效率。

4 結構分析

4.1 實驗環境

采用 YOLOv8 原始的 NMS來從候選框中選出最相關的目標檢測框[9]。訓練階段，摒棄所有預訓練權重，直接以自建的 RICE_PACKAGE-DET 數據集展開訓練。訓練設定最終學習率為 0.000 1，權值衰減系數為 0.000 5 ，以此優化模型訓練效果。實驗環境如表1所示。

4.2 RICE_PACKAGE-DET 數據集獲取

在米袋包裝運輸時，米袋容易受到損傷。本文聚焦這一問題，以銳角裂、矩裂隙、圓擴痕和鋸齒狀裂痕作為典型缺陷，構建專屬數據集。利用大恒相機，在不同光照與角度條件下，拍攝存在各類缺陷的米袋包裝。圖像采集平臺的整體結構涵蓋工業相機、鏡頭、光源、傳送帶以及非標視覺檢測支架。

RICE_PACKAGE-DET 數據集，專用于米袋包裝缺陷檢測，含3 216個經數據增強的圖像及對應YOLO標簽。本研究按3∶1∶1隨機分其為訓練、驗證、測試集來實驗。

4.2.1 數據處理與增強

在深度學習領域，模型訓練往往需要大量圖像。為了滿足這一需求，對圖像展開了一系列預處理工作[10]。原始圖像的尺寸為640×640 px，研究者首先對其進行了自上而下、從左到右的切片操作。然而，切片完成后，發現存在數據集規模較小和缺陷類別分布不均衡的問題。為了解決這些問題，引入數據增強策略顯得尤為必要。數據增強不僅能夠擴充數量較少的缺陷類別所對應的圖像，有效改善數據的不平衡狀況，還能在一定程度上提升模型的性能，增強模型的泛化能力，防止模型在訓練過程中出現過擬合現象，從而讓模型在實際應用中表現得更加穩健和準確。本實驗采用的數據增強方法如下：1） 幾何變換增強：縮放、翻轉、旋轉；2） 顏色和亮度調整；3） 噪聲添加：椒鹽噪聲、高斯噪聲；4） 模糊處理增強：模糊、平移。

4.3 實驗結果分析

為精準評估改進的YOLOv8模型性能，采用準確率（Precision） 、召回率（Recall） 、平均精度均值（mAP） 、參數量（Parameters） 、每秒浮點運算次數（FLOPs） 及幀率（FPS） 作為評價指標[11]。具體定義如下：

[[P=TPTP+FP] （8） [R=TP（TP+FN）] （9） [F1=2TP2TP+FP+FN×100%] （10） [mAP=1nq=1q=n APq] （11） ]

TP：模型預測為正例且實際也為正例的樣本數量。FP：模型預測為正例但實際為負例的樣本數量。FN：模型預測為負例但實際為正例的樣本數量。F1值是準確率和召回率的調和平均值。[APq]第q類的平均精度。

初期階段：YOLOv8n_Wise-IoU的 Train Box Loss 下降速度顯著快于原YOLOv8n模型。這是因為YOLOv8n_Wise-IoU引入的Wise-IoU機制能夠更有效地平衡不同質量樣本的作用，其依據 “離群度” 對高低質量錨框分別降低梯度增益，使得模型在訓練早期就能更迅速地捕捉到邊界框的關鍵信息，從而更快地擬合數據，實現損失值的快速下降。

中期階段：隨著迭代的進行，兩條曲線的下降速度都逐漸放緩，損失值趨于平緩。在這一階段，YOLOv8n_Wise-IoU的損失值始終低于原YOLOv8n模型。這表明YOLOv8n_Wise-IoU 中 Wise-IoU 的 FM 機制能根據“離群度” 動態分配梯度增益，靈活調整學習重點，改善了梯度分配的不合理性，使得模型在中期對邊界框的優化效果更好，預測性能得到持續提升。

后期階段：接近 90 輪時，YOLOv8n_Wise-IoU的損失值出現先明顯下降后上升的波動，隨后趨于平穩，而原模型曲線相對平穩。這種波動可能是由于改進模型在訓練后期，由于 Wise-IoU對不同質量樣本的動態調整，使得模型在學習過程中出現了一定的震蕩。但最終 YOLOv8n_Wise-IoU的損失值不僅更低，且趨于穩定，這說明改進后的模型在邊界框訓練方面已經達到了收斂狀態，即使繼續增加迭代次數，對損失值的降低和模型性能的提升效果也不會太明顯。

圖 7 展示了訓練結果圖，其中 mAP50 指的是IoU為 50% 時的平均精度均值。從圖中可以明顯看出，隨著迭代次數逐步增多，模型逐步趨于穩定，并且在整個訓練進程中，既沒有出現過擬合現象，也未出現欠擬合問題。最終，該模型訓練得到的精確率達到 95.8％，召回率為 93.9%，mAP 為 96.8%。觀察 PR 曲線圖可知，對于大米袋包裝的各類不同缺陷，訓練所得模型的曲線下面積幾乎都接近 1，這有力地證明了該模型擁有極佳的識別效果，能夠精準識別出大米袋包裝上的多種缺陷。

為了驗證 GAM 注意力機制對YOLOv8n的優化成效，本研究實施了消融試驗，用 CA 和 CBAM 注意力機制模塊替換并改進網絡中的 GAM 注意力機制。在 YOLOv8n主干特征網絡的最后一層 C2F 與 SPPF 之間，分別嵌入CA、CBAM 和GAM模塊，從而構建出YOLOv8n + CA、YOLOv8n + CBAM 和 YOLOv8n + GAM三種網絡。對各算法在不同缺陷檢測中的準確率、召回率、F1 值以及平均精度均值進行對比，相關結果詳見表 2。

由表 2 可知，引入 GAM 注意力機制后，YOLOv8n的各項性能指標均獲顯著提升。相較于原始的YOLOv8n，改進后的 YOLOv8n+GAM網絡平均精度均值提升 2.4%，高達 97.2%，精確率與召回率也分別增長 1.7%和 2.6%。

由表 2 可知，引入GAM注意力機制后，YOLOv8n的各項性能指標顯著提升。相較于原始的YOLOv8n，改進后的YOLOv8n + GAM網絡平均精度均值提高了 2.4%，達到 97.2%，精確率和召回率分別增長 1.7% 和 2.6%。將改進后的 YOLOv8n+GAM 與主流的 CBAM 和 CA 注意力機制進行對比，結果顯示：YOLOv8n+GAM 的精確率分別提高了 10.2% 和 1.9% ，F1 值分別提高了 5.2% 和 2.4%，平均精度分別提高了 9.4% 和 0.7%。這充分表明 GAM 注意力機制在提取大米破損特征方面效果顯著。其 3D 排列和獨特的通道——空間注意力架構有助于捕捉更多維度的特征，有力地驗證了GAM機制應用于YOLOv8n的有效性，為大米包裝缺陷檢測提供了更優的技術支持。

4.4 結果可視化

使用YOLOv8n-GAM對測試圖片進行預測，這些測試圖片包含了4 種不同類型的米袋包裝表面缺陷，部分預測結果的可視化展示如圖7所示。在對米袋包裝表面缺陷的檢測方面，由于采用了改進后的YOLOv8 算法，該算法對于這4種不同缺陷的識別率都能達到90%以上。

5 結束語

本研究構建了適用于米袋包裝缺陷檢測的RICE_PACKAGE-DET數據集。以YOLOv8n模型為基礎，對損失函數進行優化，并引入GAM注意力機制，進而提出一種全新的缺陷檢測方法，目的是提高工業制造場景下米袋包裝的質檢效率。研究過程中運用了多種數據增強技術，讓數據集更貼近實際應用場景，且數據分布更為均衡。實驗結果表明，數據增強有效提升了模型的精度。在模型改進方面，將GAM注意力機制融入YOLOv8n骨干網絡，不僅增強了模型對空間特征的處理能力，提升了小目標的檢測效果，還減少了計算量。實驗表明，改進后的方法在米袋包裝缺陷檢測任務中，小目標檢測性能出色，漏檢和誤檢情況較少，對單一類型缺陷的識別能力也較為理想。未來，研究計劃將改進后的模型部署到嵌入式設備上，在實際米袋包裝破損檢測中不斷優化該方法，以實現更好的應用效果。

參考文獻：

[1] 鞏雪，孫雪剛，褚洋洋，等.基于改進Faster R-CNN的零食包裝盒表面缺陷檢測[J].包裝工程，2024，45（23）：232-240.

[2] 李文龍，王欣威，慕麗.基于改進YOLOv8的航空發動機葉片表面缺陷檢測[J].組合機床與自動化加工技術，2024（12）：46-50.

[3] SHENG Z W，WANG G Y.Fast method of detecting packaging bottle defects based on ECA-EfficientDet[J].Journal of Sensors，2022，2022：9518910.

[4] VU T T H，PHAM D L，CHANG T W.A YOLO-based real-time packaging defect detection system[J].Procedia Computer Science，2023，217：886-894.

[5] YANG S，ZHOU L，WANG C，et al.SF-YOLO：an evolutionary deep neural network for gear end surface defect detection[J].IEEE Sensors Journal，2024，24（13）：21762-21775.

[6] 趙敏，范英，高思偉，等.結合Swin-Transformer的改進YOLOv5s包裝盒缺陷檢測算法[J].制造業自動化，2024，46（12）：34-40.

[7] TONG Z J，CHEN Y H，XU Z W，et al.Wise-IoU：bounding box regression loss with dynamic focusing mechanism[EB/OL].[2023-01-15]. https：//arxiv.org/abs/2301.10051v3.

[8] 陳益方，張上，冉秀康，等.基于改進YOLOv8的SAR圖像飛機目標檢測算法[J].電訊技術，2024，64（8）：1206-1212.

[9] 沈明輝，劉宇杰，陳婧，等.基于改進YOLOv8s輕量化網絡的組裝電腦主板缺陷檢測算法[J/OL].計算機工程，1-14[2025-01-14].https：//doi.org/10.19678/j.issn.1000-3428.0070196.

[10] 朱永紅，吳松濤.基于改進的YOLOv8n瓷磚缺陷檢測與分類方法[J].陶瓷學報，2024，45（6）：1255-1264.

[11] 孫鐵強，劉俊，宋超，等.基于改進YOLOv8n的鋁型材表面小目標缺陷檢測方法[J].現代制造工程，2024（12）：120-129.

【通聯編輯：梁書】