基于 YOLOv8 的轻量化轮毂缺陷检测算法研究

来源：机械与电子杂志2025年第06期北京时间：

作者：曹振锋;王明泉;路宇鹏;吴志成;王晋华

单位： 中北大学信息与通信工程学院,山西 太原 030051

摘要：针对现有的轮毂内部缺陷检测准确度有限,模型复杂度高的问题,提出一种基于 YOLOv8 的轻量化轮毂缺陷检测算法 SNCL-YOLO 。首先,采用 StarNet 网络架构构造 C2f-STA 模块,取代原骨干网络中的 C2f 模块,降低存储需求并且提升计算速度,以提高检测效率;其次,在颈部网络中引入卷积注意力融合模块( convolution and attention fusion module , CAFM ),增强全局和局部的特征建模;最后,将原检测头替换,采用 LSCD-Head 轻量级共享卷积检测头,减少网络参数量和计算量。实验结果表明,改进后的模型参数量减少 11.9% ,计算量减少 9.8% ,平均精度均值( mAP )从 90.7% 提升到了 94.1% ,增加 3.4 百分点。该模型在计算量以及参数降低情况下,有效增强了铝合金轮毂缺陷检测模型的检测性能。

关键词：缺陷检测; StarNet ; YOLOv8 ;卷积注意力融合模块