基于SBSI-YOLO11的轻量化轴承外观缺陷检测算法

魏梓书; 陈志刚; 王衍学; 哈斯铁尔·马德提汗

doi:10.16088/j.issn.1001-6600.2024121901

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (06) : 80 -91. DOI: 10.16088/j.issn.1001-6600.2024121901

基于SBSI-YOLO11的轻量化轴承外观缺陷检测算法

魏梓书, 陈志刚, 王衍学, 哈斯铁尔·马德提汗

作者信息 +

Author information +

文章历史 +

摘要

针对现有深度学习模型在轴承外观缺陷检测中存在的检测精度低、模型参数大以及小目标检测困难等问题，本文提出一种轻量化的检测算法SBSI-YOLO11。该算法以YOLO11n为基础网络架构，首先，在主干网络中引入SPD-Conv(space-to-depth convolution)模块，降低特征图的分辨率，增强特征提取并降低模型的参数量；其次，在Neck部分引入BiFPN(bidirectional feature pyramid network)双向特征金字塔网络以及注意力机制SGE(spatial group-wise enhance),提高模型对小目标的检测性能；最后，引入Inner-CIoU损失函数，提高模型的定位能力。实验结果表明，与基础模型相比，SBSI-YOLO11模型展示出良好的综合检测性能，mAP达到90.4%,提高2.9个百分点，参数量降低11.5%,运算量降低12.7%,能够较好适应当前工业现场对轴承外观缺陷的检测需求。