基于改进YOLOv9的铁路扣件状态检测方法
沙伯男
白堂博
许贵阳
贾昊澎
北京建筑大学 机电与车辆工程学院,北京 100044;北京建筑大学 城市轨道交通车辆服役性能保障北京市重点实验室,北京 100044
摘要：针对铁路扣件检测任务中转辙机和道岔等复杂场景常出现的扣件误检与漏检问题,提出一种基于改进YOLOv9的铁路扣件检测方法.首先,针对复杂场景下扣件区域特征提取难的问题,融合大核(Large Selective Kernel,LSK)注意力机制和RepNCSPELAN4,以优化特征提取模块的性能,更好地捕捉图像中的扣件区域关键特征信息,提升模型对不同场景和目标的适应能力;其次,针对易混淆的扣件损伤状态细节,建立基于空间深度转换(Space to Depth,SPD)卷积的特征融合网络,在低分辨率和小目标检测中,提高模型精度,确保在复杂背景下也能准确识别扣件的损伤状态;再次,采用Shape IoU作为新的损失函数,以准确衡量预测边界与实际目标之间的重叠程度,使模型具有更强的鲁棒性和精确的目标区域匹配能力;最后,为验证所提方法的有效性,采集并构建一个包含复杂工况的实际线路扣件数据集并进行对比分析实验.实验结果表明:所提方法能够有效进行铁路扣件状态检测,相较于基础模型检测精度提高 1.3%,误检率减少 0.7%,漏检率减少1.4%,增强了复杂条件下铁路扣件状态检测的可靠性与稳定性.
关键词：高速铁路扣件损伤检测注意力机制YOLOv9
分类号：U213.5(铁路线路工程)
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：10( 75-84 )
英文信息