来源：期刊VIP网 时间：
作者：李书莲;高正中;张经龙;尤振环;
单位：山东科技大学电气与自动化工程学院;汶上义桥煤矿有限责任公司;黄岛海关;
摘要：针对复杂环境下钢轨表面缺陷检测中由于特征提取不足引发检测精度不良问题，提出一种融合可分离核注意力机制与部分卷积的钢轨表面缺陷检测算法YOLOv11-LSPS。首先，利用大可分离核注意力机制实现卷积核的分解，避免出现因深度卷积导致计算复杂度随核大小增加而二次增长的情况，提高运算效率。其次，在骨干网络中引入Swin Transformer机制以提高对缺陷局部特征的提取能力，增强对小目标特征的耦合性。最后，在颈部网络中引入部分卷积，在减少相关冗余参数计算的同时深度挖掘空间特征，增强模型鲁棒性及泛化能力。采用NEU-DET数据集进行实验验证的结果表明，所提算法相较于传统算法，检测精度提高6.3%，检测速度提升35%。此外，通过在GC10-DET数据集上的验证，证实了该算法的泛化性，即具备一定的工程实践价值。
关键词：YOLOv11;;注意力机制;;缺陷检测;;深度学习
基金资助：国家自然科学基金项目(62273215)
