数字技术与应用杂志社

摘要：<正>本文提出了一种基于YOLOv8改进的EFCWYOLO模型，针对木材缺陷检测精度低、效率不足等实际问题进行优化。通过引入Focal Modulation Networks模块、ECA注意力机制、C2fCIB模块和Wise-IoU损失函数，显著提升了检测精度和效率。实验结果表明，EFCW-YOLO模型实现了90.3%的mAP50和84.9%的召回率，均优于YOLOv7、YOLOv8n、YOLOv10n和YOLOv11n等主流模型。在泛化性测试实验中，模型进一步取得了97%的mAP50和93.4%的召回率，展现出优异的泛化能力。由此可见，该模型为木材加工行业提供了一种高效、准确的自动化检测方案，提升了生产效率和市场竞争力，具有重要的应用价值，可有效增强企业的生产效能与市场竞争力。

基金资助： 2024年云南省级大学生创新创业计划项目“华为昇腾AI木材缺陷智能检测系统”（S202410677085）；

专辑： 信息科技;工程科技Ⅰ辑;农业科技

专题： 轻工业手工业;林业;计算机软件及计算机应用;自动化技术

分类号： TP183;TP391.41;S781.5