-
题名基于改进YOLOv7的钢轨螺孔伤损检测方法
- 1
-
-
作者
许贵阳
付伟
张玉华
白堂博
-
机构
北京建筑大学机电与车辆工程学院
北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室
中国铁道科学研究院集团有限公司基础设施检测研究所
-
出处
《铁道建筑》
北大核心
2024年第3期52-58,共7页
-
基金
国家自然科学基金(51975038)
北京市自然科学基金(L211007,L221027)。
-
文摘
针对目前钢轨螺孔伤损识别过程中算法的检测精度较低、检测时间长、参数量大、计算资源占用高等问题,提出一种基于YOLOv7网络的改进算法模型。通过建立B显图像数据集,统计分析螺孔B显图像中待检测目标的面积大小、宽高比和占比情况,对YOLOv7网络进行改进,包括改进目标检测层、引入轻量级卷积、增加坐标注意力机制、优化损失函数,降低了改进算法的参数量和计算量,提高了网络的识别能力和检测速度。为评估该改进方法的有效性,进行了消融试验,并与Faster R-CNN(Regionbased Convolutional Neural Networks)、YOLOv3及YOLOv5算法进行了对比测试。结果表明,提出的改进YOLOv7算法综合表现优于其他算法,具有更高均值平均精度和更小的错检率,最终算法的均值平均精度为97%,参数量为18.0×10^(6),计算量为58.1×10^(9),检测时间为7.4 ms,能够较好地应用于钢轨螺孔伤损检测场景。
-
关键词
高速铁路
钢轨探伤
目标检测
螺孔伤损
YOLOv7
b显图像
-
Keywords
high speed railway
rail damage detection
object detection
screw hole damage
YOLOv7
b-display image
-
分类号
U216.3
[交通运输工程—道路与铁道工程]
TH18
[机械工程—机械制造及自动化]
-