改进YOLOv11的轴承缺陷检测算法OA

轴承缺陷检测对保障机械系统安全稳定运行、提升设备使用寿命及维护工业生产高效有序开展至关重要.文中提出一种基于YOLOv11n改进的轻量级轴承缺陷检测模型YOLO-LDA,旨在解决现有轴承缺陷检测面临的诸多棘手问题,如检测速度慢、小瑕疵目标识别难、复杂光线背景干扰大等挑战.首先,使用LKSelection模块改进C3k2,进一步增强模型对轴承缺陷特征的感知能力.然后,使用DySample替代了原有的Upsample,提升了上采样过程的特征表现力,避免了缺陷特征在上采样过程中被模糊化或扭曲.最后,引入Adown下采样,弥补了传统卷积下采样对小目标感知能力弱的缺陷.实现结果表明,与YOLOv11n相比,文中提出的模型对轴承缺陷检测的mAP@0.5和mAP@0.5:0.95指标分别提高了1.2%和1.7%,同时模型参数量减少了12%,在提高了检测精度的同时节约了计算资源.此外,FPS高达496.5 f/s,能够更清晰地记录轴承表面的微小特征和缺陷,从而提高检测精度和可靠性.