一种基于改进YOLOv8的轻量级轴承表面缺陷小目标检测方法

本发明提出一种基于改进YOLOv8的轻量级轴承表面缺陷小目标检测方法。本方法基于YOLOv8n网络架构，构建动态检测头、引入ADown模块以及增设小目标检测层，最后建立改进的YOLOv8n‑DAS模型；首先构建的动态检测头融合了尺度、空间和任务感知注意力机制，全方位强化特征表达能力，精准捕捉轴承表面复杂的微小缺陷特征；其次ADown模块通过结合传统卷积、平均池化与最大池化操作，突出边缘缺陷信息，精简模型参数规模，降低计算资源的消耗；最后小目标检测层设置于网络颈部和头部，增加小目标检测层并配备额外小目标检测头，深度整合浅层细节与深层语义信息，最大程度保留关键细节，提升对微小目标的识别能力。本发明显著提升了模型对不规则和微小缺陷的检测性能以及对小目标缺陷的检测能力，降低了模型参数量与计算复杂度，有利于在资源受限的轻量级设备上部署应用。还可通过替换训练数据，扩展至齿轮、叶片等工业部件缺陷检测，具备轻量化、高通用性特点，满足多场景部署需求。