基于改进YOLOv7的无人机图像铁路接触网部件目标检测方法

接触网作为电气化铁路的重要设备,为列车提供能源并保证列车正常运行。若接触网系统部件出现损坏,会威胁列车运行安全,因此对接触网部件状态进行巡检至关重要。近年来,无人机在铁路接触网重要部件状态监控任务中得到了广泛的应用。但无人机拍摄的接触网图像背景复杂多变、部件目标尺度变化大、小目标较多等因素导致现有检测算法对接触网部件存在误检和漏检频繁的问题。为此,本文提出了一种基于改进YOLOv7的接触网部件目标检测方法。通过引入改进感受野模块,加强网络的特征提取能力,获得更具辨别力的目标特征表示;在相邻尺度特征图的融合过程中加入改进的坐标注意力机制,突出接触网部件目标特征并抑制冗余的背景信息;采用基于Wasserstein距离的边框损失函数对原始损失函数进行改进,有效提高检测精度。在铁路接触网部件数据集上的试验表明,改进YOLOv7算法能更准确地检测无人机拍摄图像中的各类接触网部件,平均精度达97.27%,相比改进前提高了3.83%。本文算法增强了无人机对接触网重要部件状态的高精度、快速检测能力,为更好地实现无人机智能化巡检提供了技术支撑。