标题：基于改进YOLOv8n的铝型材表面缺陷检测
作者：申佳敏
作者单位：山西工程职业学院，山西 太原 030009
关键字：深度学习；机器视觉；工业4.0；缺陷检测；YOLOv8
摘要：随着智能工业自动化的发展，传统人工缺陷检测方法效率低、一致性差，难以满足高精度质检需求。铝型材广泛应用于高端制造领域，但其生产过程中易产生划痕、凹坑等表面缺陷。提出一种改进YOLOv8n算法，通过引入RepGFPN模块整合多尺度特征信息，使用DyHead3模块提升模型的尺度、空间和任务感知能力，应用DAT模块增强关键特征提取能力。在铝型材表面缺陷数据集上，改进模型的mAP@50较基线提高了5.7%，mAP@95提升了3.1%，显著降低了漏检率和误报率，为智能工业质量检测提供了有效的解决方案。