钢轨表面缺陷检测：YOLOv11-MobileNetCA轻量化模型与养护诊断智能体
针对钢轨表面压陷、脱落、磨耗、轮烧四类缺陷在形态、尺度与灰度对比上差异大、人工巡检漏检率高、现场部署算力受限等痛点，本文提出基于 YOLOv11n 的轻量化改进模型 YOLOv11-MobileNetCA。以 MobileNetV3-Small 替换原主干，在 P3/P4/P5 三尺度检测头插入坐标注意力模块，显式建模空间位置关系，兼顾通道与方向特征。自建数据集 2396 张图像、3950 个实例，测试集 mAP50 达 76.1%、mAP50-95 达 55.9%，相对基线提升 10.5 与 15.3 个百分点；算力降至 5.8 GFLOPs、帧率 81.30，满足边缘设备实时部署。四组消融对照量化各模块贡献：坐标注意力带来最大单项增益，轻量主干腾出算力预算抵消注意力开销。检测框再注入大模型上下文，形成诊断结论与养护建议闭环，断网环境保留检测主链路。该系统实现从图像上传、带框检测到智能诊断报告的完整交付。
