基于动态上采样与频域协同的注意力增强型YOLOv8轴承缺陷检测方法

本发明涉及计算机视觉和深度学习领域，特别是一种基于YOLOV8改进的轴承缺陷检测方法。在现有的轴承瑕疵检测中，由于轴承瑕疵种类繁多、形态各异，且往往具有较小的尺寸和不易察觉的特性，因此传统的目标检测方法往往难以达到理想的检测效果。为了提升轴承瑕疵检测的准确性和效率，本发明在YOLOV8的基础上进行了重要改进，引入了WTDown解决了下采样过程中模型存在的信息丢失问题，引入了Shuffle Attention模块使得模型关注重要的特征信息，引入了DyUpsample模块提升了模型的学习能力，改进后的算法可以极大地提高不批瑕疵检测的准确性。