改进YOLOv8的轨道扣件状态检测方法

针对现有轨道扣件状态检测算法对小目标物体与复杂形状物体的检测能力差而导致检测结果异常,以及小目标层特征冗余等问题,提出了一种改进YOLOv8的轨道扣件状态检测方法。在YOLOv8网络中增加可变形空间金字塔扩张卷积模块,以提高模型对小目标物体以及形变复杂物体的检测精度。同时增加小目标空间重构单元以减少小目标特征冗余,促进小目标特征的学习。根据采集到的轨道扣件数据集进行模型的训练和测试,并与多组轨道扣件状态检测算法进行对比,实验结果表明,相较于对比算法,所提算法精确度平均提升3.20%,召回率平均提升3.34%,平均精度平均提升3.96%。实验证明所提算法能够有效进行轨道轨道扣件状态检测,并且具有较强的泛化能力,可以部署于复杂交通场景。