改进YOLOv8的轻量化轴承缺陷检测算法OA北大核心CSTPCD

针对轴承表面缺陷检测存在小目标检测精度低、模型复杂的问题,提出一种改进YOLOv8的轻量级轴承缺陷检测算法YOLO-SSW。在主干网络中添加3-D注意力机制SimAM,在不增加参数的前提下,使模型更加关注轴承表面缺陷特征的提取和表达;在颈部网络中嵌入C2f_SCConv模块,以减少空间维度和通道维度上的特征冗余,降低模型的计算负载;添加新的小目标检测层用于检测轴承表面的小尺寸缺陷,提高模型对小目标的检测能力;使用基于动态非单调聚焦机制的Wise-IoU作为边界框回归损失函数,加快网络的收敛速度。实验结果表明,改进算法的mAP达到了91.5%,比原算法提升了2.9个百分点,模型参数量仅为2.7×106,计算量为11.8 GFLOPs,在提高检测精度的同时节约了计算资源。