仪器仪表学报

作者：张彪，荀荣科，许家忠

单位：张彪,1.哈尔滨理工大学自动化学院哈尔滨150080； 2.黑龙江省复杂智能系统与集成重点实验室哈尔滨150080,zhangbiao@hrbust.edu.cn,荀荣科,1.哈尔滨理工大学自动化学院哈尔滨150080； 2.黑龙江省复杂智能系统与集成重点实验室哈尔滨150080,,许家忠,1.哈尔滨理工大学自动化学院哈尔滨150080； 2.黑龙江省复杂智能系统与集成重点实验室哈尔滨150080,xujiazhong@hrbust.edu.cn,

关键词：轴承缺陷检测;LASW-YOLOv8;LiteShiftHead;ARConv;Inner-WIoU损失函数

针对现有轴承缺陷检测算法准确率低、存在误检以及漏检现象严重的问题，为解决这些问题，提出了一种基于YOLOv8n的轴承缺陷检测算法（LASW-YOLOv8）。该算法在YOLOv8n的基础上，引入了轻量化且高效的LiteShiftHead检测头，结合SPConv、REG和CLS模块，提升了特征提取、目标框回归和类别分类的效率与准确性。此外，算法还引入了自适应旋转卷积核模块（ARConv），增强了对多方向缺陷的检测能力；颈部网络优化模块（SAF）进一步提升了特征提取效率；同时采用Inner-WIoU损失函数，通过优化边界框定位精度并增强对小目标及复杂形状缺陷的检测能力。实验结果表明，LASW-YOLOv8算法在多个性能指标上优于其他主流算法。该算法的准确率和召回率分别提升至97.2%和96.6%，相较于YOLOv8n分别提高了3.4%和4.5%。同时，mAP0.5和mAP0.5:0.95分别达到了98.9%和73.3%，并且在运行速度上实现了83fps。这些结果充分证明了所提改进算法的有效性，不仅能有效减少误检和漏检现象，还满足了工业检测对高准确率和实时性的要求。此外，在东北大学公共数据集（NEU-DET）的实验中，LASW-YOLOv8算法在准确率、召回率、mAP0.5和mAP0.5:0.95这4个关键指标上均表现最佳，分别为79.3%、79.9%、84.1%和49.1%，优于其他主流算法。这一表现证明了LASW-YOLOv8算法具有出色的泛化能力和鲁棒性。

来源：2025年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第4期