摘要：运用机器视觉检测密集、小尺寸杆端关节轴承存在特征信息少以及滑动球面的高可变性,导致识别不精确进而影响生产效率的问题;由此,提出一种深度学习目标检测算法模型,首先为了使网络携带更多语义信息,引入Space-to-depth Convolution(SPD-Conv)无步长卷积模块改进Backbone网络;提出Multilevel Feature Fused SPD(MFSPD)深度特征融合模块重新设计Neck网络,提升对小尺寸目标的特征信息提取能力与检测精度;在Head网络增加一个P4小尺寸检测头,使用加权K-means算法在数据集上获取先验框,增大先验框与特征图层匹配度,加快模型收敛速度;接着引入置信度传播聚类分析算法Confidence Propagation Cluster(CP-Cluster)做后处理,优化预测框置信度与检测速度;然后最后在自制数据集、TLESS数据集以及COCO数据集上评估算法性能,该目标检测算法在自制数据集与T-LESS数据集上mAP@.5达到96.8%与93.6%,在COCO数据集上mAP为55.7%,实验结果表明算法检测精度与特征信息提取能力效果显著。