基于YOLOv8改進(jìn)的軸承表面缺陷檢測方法

打開文本圖片集

doi：10.3969/j.issn.2097-3853.2024.03.011

摘要： 針對深度學(xué)習(xí)模型在軸承表面缺陷檢測過程中漏檢率高、模型復(fù)雜度高的問題，提出了一種基于YOLOv8的缺陷檢測改進(jìn)算法。在主干網(wǎng)絡(luò)中引入GSConv輕量化卷積模塊，用GSConv模塊代替普通卷積，在不影響模型精度的情況下，減少模型的計(jì)算量；引入CBAM卷積注意力模塊，通過改進(jìn)網(wǎng)絡(luò)特征提取技術(shù)，提高了檢測的準(zhǔn)確性。（剩余6648字）