MSA-YOLO:面向蒙皮表面缺陷的实时分割算法

针对当前蒙皮外观人工检查效率低且精度不足的问题,提出了蒙皮表面缺陷实时分割算法MSA-YOLO。使用多尺度注意力MSA模块替换YOLOv8 seg网络骨干的C2f模块,改进特征表示的同时实现网络轻量化;在网络的小目标检测层加入eSE注意力机制层,增强小目标缺陷的检测能力;最后,使用Inner CIOU损失函数代替原CIOU损失函数,使用辅助边框加速了样本的收敛过程。制作包含五种蒙皮表面典型缺陷的数据集进行验证,结果显示MSA-YOLO分割算法相较于原算法在目标框(BOX)和掩膜(MASK)的平均精度值(mAP)分别提高了4.6%和5.3%,且检测速度提升了9.1%;与现阶段流行的其他实时分割算法相比有一定的性能优势,对于实现蒙皮表面缺陷自动化分割具有一定意义。