【摘要】本文提出了一种基于ＹＯＬＯｖ８ 的元素定位方法，利用计算机视觉技术解决了传统方法的诸多局限。首先，把多梯度融合特征提取（ｃｈａｎｎｅｌ⁃ｔｏ⁃ｐｉｘｅｌ，Ｃ２ｆ）模块中的Ｂｏｔｔｌｅｎｅｃｋ 模块替换为新的动态蛇形卷积（ｄｙｎａｍｉｃ ｓｎａｋｅ ｃｏｎｖｏｌｕｔｉｏｎ， ＤＳＣｏｎｖ）模块，其能够根据特征自适应学习感兴趣区域；其次，在主干网络增加ＳＥ 通道注意力机制，能够感知主要目标图像特征；最后，使用Ｗｉｓｅ⁃ＩｏＵ 损失函数替代原先的交并比（ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ ｕｎｉｏｎ， ＩｏＵ）损失函数，从而克服梯度消失的问题。通过消融和对比实验，与基线模型相比在精确度、Ｆ１ 分数和ｍＡＰ＠ ０.５ 分别提升了６. ７％、９.７％、７. ８％，在应用进行元素定位时准确率均能获得明显的提升。