基于改进YOLOv5的高铁隧道漏缆卡具检测方法
张云佐1
张璐琦2
孙玉川2
李滢旭2
王宁3
1.石家庄铁道大学信息科学与技术学院,石家庄 050043;石家庄铁道大学河北省电磁环境效应与信息处理重点实验室,石家庄 0500432.石家庄铁道大学信息科学与技术学院,石家庄 0500433.河北阿米时创科技有限公司,石家庄 050299
摘要：针对高铁隧道漏缆卡具人工检测效率低、海量数据难以检测的问题,提出一种基于改进YOLOv5的高铁隧道漏缆卡具检测方法.首先,设计幻影空间卷积金字塔(Ghost Spatial Convolu-tional Spatial Pyramid,GSCSP)模块,使用Ghost卷积替代标准卷积减少特征冗余,实现模型轻量化;其次,嵌入轻量级高效通道注意力网络(Efficient Channel Attention Network,ECANet),增强模型对漏缆卡具特征与隧道背景的区分能力,提升小目标检测精度;再次,采用结构化通道剪枝策略,基于批量归一化(Batch Normalization,BN)层缩放因子裁剪冗余通道,以在保证模型精度的同时实现轻量化设计;最后,构建包含高铁在运行场景下不同漏缆卡具状态的数据集,通过高斯降噪、拼接等方法增强数据多样性,为后续模型训练提供更丰富、更具鲁棒性的样本基础.实验结果表明:改进后模型参数量减少了72.1%,且在保证检测精度的同时,保持了实时检测速度.研究结果能够为铁路通信设备智能运维提供参考.
关键词：计算机应用卡具检测通道注意力模型剪枝
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2025-12-30
在线出版日期：2026-02-02（本平台首次上网日期，不代表文献的发表时间）
页数：9( 55-63 )
英文信息