融合注意力机制的YOLOv3轨枕裂纹检测算法
朱久牛1
李立明2
郑树彬3
彭乐乐2
柴晓冬2
1.上海工程技术大学城市轨道交通学院 上海 2016202.上海工程技术大学城市轨道交通学院 上海 201620;上海工程技术大学上海市轨道交通振动与噪声控制技术工程研究中心 上海 2016203.上海工程技术大学上海市轨道交通振动与噪声控制技术工程研究中心 上海 201620;上海工程技术大学高等职业技术学院 上海 200437
摘要：针对目前人工巡检与物理设备辅助无损检测等方法在轨枕裂纹检测中表现效果差的问题,论文提出一种改进YOLOv3模型.论文提出一种融合坐标注意力机制的改进主干特征提取网络,使其能够捕捉空间信息长程依赖,从而较好地定位裂纹位置.论文提出的RFN模块,能够在进行特征融合前增强深层语义信息,融合整体网络的全局信息.利用DIoU代替YOLOv3的坐标回归损失使得网络较早地收敛.实验表明,改进的YOLOv3具有更好的检测性能,在相同的轨枕裂纹数据集上对二者进行测试,论文提出的改进目标检测算法,其中平均准确率均值提升约5.2%,精确度提升约2.5%,召回率提升约7.2%.论文设计的消融实验表明,使用SPP模块以及RFN模块提升了模型检测精度,DIoU损失函数的使用不仅加速了网络的收敛,同时也提供了更高的召回率与检测精度.总体来说,该模型能够高速、高精度地完成轨枕裂纹检测任务.
关键词：轨枕裂纹检测YOLOv3改进RFN模块空间金字塔池化DIoU损失函数
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(51975347)上海市科技计划项目(22010501600)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3332-3336,3406 )
英文信息