标题：基于深度学习的精整板坯端面角点检测算法
作者：佘涛男1；徐锟2 李卫东2；张之江1
作者单位：1上海大学通信与信息工程学院， 上海 200444；2 中冶宝钢技术服务有限公司，上海 200941
关键字：板坯端面角点检测；YOLOv8；特征提取；标签分配策略
摘要：精整板坯作为现代冶金工业的重要原料，在运输过程中易因辊道磨损等因素发生偏移，存在安全隐患。因此，提出一种基于深度学习的精整板坯端面角点检测算法，以高效提取板坯端面角点特征，为后续基于三维视觉监测板坯偏移量奠定基础。以YOLOv8模型为框架，将骨干网络中的C2f模块替换为跨阶段深层次特征提取模块，提升对端面角点区域的深层次特征提取能力。同时，针对端面角点目标引入动态自适应训练标签分配策略，显著提升了角点区域特征的定位与匹配精度，优化了检测效果。实验表明，该方法在检测精度与模型复杂度间取得良好平衡，检测精度达98.83%，为后续板坯偏移量的三维测量提供了可靠技术支持。