基于YOLOv5s的接触网吊弦线和载流环缺陷识别算法

吊弦是铁路链式悬挂接触网系统的重要组成部分,对保证铁路供电安全具有至关重要的作用。由于弓网之间长时间、大强度的相互作用,吊弦不可避免地出现故障,直接威胁到铁路行车安全。传统人工巡检方式速度慢、强度大,为了减轻人工巡检压力,研制投入了接触网悬挂状态检测监测装置,在铁路现场应用中取得了良好的效果。但是随着4C装置的不断增加,面对采集到的海量图像数据,现有智能分析算法暴露出智能处理能力较差,存在漏检、误检的问题。针对以上不足,提出一种基于YOLOv5s的接触网吊弦线和载流环缺陷识别算法。首先,采用Transformer模块替换原YOLOv5s算法主干网络末端的C3模块,强化主干网络的全局特征信息提取能力。然后,将主干网络提取的不同尺度的特征图送入BiFPN特征融合网络,进行多尺度特征融合。最后,在YOLOv5s算法颈部网络引入CBAM注意力机制,增强待检测目标的显著度,抑制无关信息干扰,同时扩充原有检测尺度,提升对小目标的检测能力。仿真实验结果表明:新算法在复杂背景下具有良好的检测准确率,mAP@0.5值达到了96.8%,相比于YOLOv5s算法提升了5.2%,检测速度也优于目前大部分主流目标检测算法,研究结果为接触网吊弦线和载流环缺陷识别提供了更加准确快捷的方法。