基于改进YOLOv5的火车连接钩舌识别方法

为了准确识别不同类型钩舌,确保自动复钩机器人能够根据火车连接钩舌状态实时调整机械臂的位姿,提出了一种基于改进YOLOv5的火车连接钩舌识别方法。首先,将YOLOv5主干网络中原有的C3模块替换为梯度流丰富的C2F模块(cross feature module),YOLOv5颈部网络中原有的C3模块替换为基于FasterNet模块构建的轻量化C3_FasterNet模块,并将CoordConv模块嵌入到YOLOv5的主干网络末端。其次,基于现场实测的火车连接钩舌图像进行了识别测试。结果表明:改进的YOLOv5算法在降低模型参数量的同时,可以有效提升对钩舌目标的检测精度,火车钩舌识别精度达到了98.7%,相较于原始算法,模型参数量减少了10.8%。研究结果为复钩机器人在执行钩舌复位和车厢连接操作方面提供了一种有效的解决方案。