关键词:
曲轴表面缺陷
缺陷检测
YOLO11n
特征融合
摘要:
在目前的工业生产中,曲轴表面缺陷检测存在缺陷目标背景复杂、噪声干扰严重以及检测精度低的问题.针对以上问题提出一种基于改进YOLO11n的曲轴表面缺陷检测算法FSDD-YOLO.首先,将主干网络替换为基于FasterNet改进的Sf-FasterNet主干网络结构,在部分卷积PConv轻量空间混合的基础上引入通道轮换机制,增强浅层细节特征提取能力.其次,引入了SlimNeck颈部模块,使用混合卷积GSConv和跨阶段部分网络模块VoVGSCSP优化颈部特征融合网络,减少模型的参数量与计算量.然后,采用了DySample动态上采样算子优化图像细节保留能力,以更准确获得细节特征.最后,设计了Defficient Head检测头,通过共享卷积通道替代冗余分支卷积,并融合ECA通道注意力增强关键特征,进一步降低计算量,提高检测效率与精度.相比于原YOLO11n算法,FSDD-YOLO算法的精确率达到了92.4%,召回率达到了89.6%,平均精度均值mAP50为95.9%,与传统检测算法Faster R-CNN、YOLO11n相比具有明显优势,能够有效应用于曲轴缺陷检测的自动识别.