基于改进Yolov5算法的地铁车辆轴箱盖螺栓定位方法研究

针对传统算法在地铁车辆轴箱盖螺栓检测任务中出现模型体积和模型参数较大的问题,本文提出了一种改进Yolov5s算法,采用GhostNet残差结构思想和挤压激励,构建一个GGS模型结构作为主干,在多尺度融合时使用深度可分离卷积进行降维和降采样的轻量化的目标检测网络算法。实验结果表明,本文基于改进Yolov5网络在螺栓定位平均精确度达到了72%,Yolov5网络提升了2.8%,网络模型尺寸更是减少到5.6 m,相比于Yolov5s网络模型降低了62.2%,相对Yolov5s网络精度无损失的情况下,本文的网络的模型尺寸和模型参数大幅度下降。