针对列车螺栓形状小、环境背景复杂、松紧状态不易辨识等问题 , 提出一种基于改进 YOLOv8 的螺栓异常目标检测方法。引入 ODConv 卷积代替传统卷积，提高螺栓异常特征提取能力与精确度 ；修改上采样算子为 CARAFE 模块，聚合上下文内容更好地保留细节 ；添加CBAM 注意力机制，结合通道注意力和空间注意力提高模型的感知能力。实验结果表明，改进后算法与原算法相比精确度提高 9.1%，mAP@50% 和 mAP@95% 分别提高了 8% 和 5.94%，模型大小减小了 1.2 MB。该改进方法实现了螺栓异常检测精度与轻量化性能的平衡，为轨道交通关键部件的高精度实时检测提供了可行方案，为 YOLO 系列模型在工业小目标检测任务中的扩展应用提供了技术参考。

网站会员需要登录才能在线预览，点我登录。

如何成为网站会员>>