改进YOLOv8的列车转向架螺栓检测方法研究

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：胡贺南, 何秋禹, 李荣华, 王大志, 张然

单位：1.大连交通大学 机械工程学院，辽宁 大连 116028；2.大连交通大学 自动化与电气工程学院，辽宁 大连 116028；3.大连理工大学 机械工程学院，辽宁 大连 116028

摘要：为解决转向架底部复杂环境和低分辨率条件下小目标螺栓检测难度大、精度低的问题，提出一种基于YOLOv8的多特征融合改进算法。在图像预处理阶段，利用自适应式对比度拉伸变换技术增强图像质量，突出螺栓细节特征，为后续目标检测算法提供高质量输入；在特征提取网络中，引入SPD-Conv模块替代传统跨步卷积与池化操作，减少小目标检测中的细粒度信息丢失；在Backbone中，设计一种BoSTNet结构，合理优化主干网络，有效提升对螺栓小目标信息的有效保留；在Neck层中，设计并集成一种并行动态加权多维度融合注意力模块，进一步抑制噪声干扰；为加速模型收敛并提高回归精度，引入Focaler-MPDIoU函数优化边界框回归损失，从而有效地定位螺栓。实验结果表明，在自制数据集上，相比原始模型，改进后的YOLOv8在螺栓检测精度、召回率、mAP50上分别提升3.9、3.2、4.8个百分点，达到95.1%、94.6%和95.0%，体现了该模型在复杂条件下的小目标螺栓的高效性。此外，在VisDrone-2019数据集上，相较于其他检测方法，改进的YOLOv8有更高的检测精度，进一步验证了该模型在复杂场景和小目标检测中的应用价值。

关键词：螺栓检测,YOLOv8算法,卷积神经网络,混合注意力机制