基于改进YOLOv5s算法的轨道扣件缺陷检测
张兴盛
阮久宏
沈本兰
李金城
华超
山东交通学院轨道交通学院,山东 济南 250357
摘要：针对轨道扣件缺陷复杂程度较高、严重影响列车行车安全、人工巡检效率较低等问题,提出一种基于计算机视觉的轨道扣件缺陷检测算法.考虑轨道扣件缺陷的特征以及检测时所处复杂作业环境,采用ConvNeXt V2模块代替YOLOv5s算法主干网络前端C3模块,采用Efficient Rep网络改进YOLOv5s算法主干网络末端,引入具有动态非聚焦机制的损失函数WIoU加快YOLOv5s算法模型计算收敛速度,形成改进YOLOv5s算法(CR-YOLOv5s算法),检测轨道扣件缺陷状态,开展消融试验,并与快速区域卷积神经网络(faster region-based convolutional neural networks,Faster R-CNN)算法、单阶多层检测(single shot multibox detector,SSD)算法、YOLOv3 算法、YOLOv4 算法检测进行对比试验.试验结果表明:CR-YOLOv5s算法的召回率为89.3％,平均检测精度均值为95.8％,平均检测时间为10.1 ms,3项指标均优于其他4种算法;与YOLOv5s算法相比,CR-YOLOv5s算法的召回率均值提高5.7％,平均检测精度均值提高4.0％,平均检测时间延长1.0 ms.综合考虑轨道扣件状态检测任务要求、召回率、平均检测精度均值、平均检测时间等因素,采用CR-YOLOv5s算法检测轨道扣件缺陷状态更具优势.
关键词：轨道扣件缺陷检测YOLOv5s算法ConvNeXt V2模块Efficient Rep网络损失函数WIoU
分类号：U216.3(铁路线路工程)
资助基金：山东省自然科学基金青年基金项目(ZR2022QF107)
论文发表日期：2025-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 10-18 )
英文信息