摘要：为了解决YOLO模型在圆柱形蜂窝陶瓷缺陷图像检测上精度不足、参数量大等问题,提出了一种基于改进YOLOv8n的轻量化圆柱形蜂窝陶瓷缺陷检测算法。针对裂纹缺陷的边界定位模糊问题,采用Shape-IoU优化边界框回归,通过权重系数和形状损失项提升定位准确性。同时,为了提高对低分辨率小目标裂纹的识别能力,引入高效多尺度注意力(EMA)机制,以增强网络对特征信息的捕获与提取。此外,算法在backbone中集成了改进的SCConv方法,减少了参数冗余,并在此基础上设计了空间和通道特征融合金字塔模块来实现网络模型的轻量化。改进后的网络相比于原网络,平均预测精确度提高了2.9百分点,参数量减少到了原网络的84.1%,每秒帧数提高了9帧,而且模型更轻量化、模型运算量更少、更利于模型的实际部署和嵌入式使用。