-
题名改进YOLOv5s的钢轨表面缺陷检测算法
- 1
-
-
作者
李军
许炫皓
王耀弘
-
机构
重庆交通大学机电与车辆工程学院
-
出处
《重庆理工大学学报(自然科学)》
CAS
2024年第8期130-137,共8页
-
基金
国家自然科学基金项目(52172381)
重庆市研究生联合培养基地资助项目(JDLHPYJD2018003)。
-
文摘
针对钢轨多类别缺陷识别任务中样本不平衡、尺度差异大,提出一种改进YOLOv5s的钢轨表面缺陷检测算法。在骨干网络中嵌入全局注意力机制,增强网络对缺陷特征的提取能力;构建加权双向特征融合网络,减少缺陷目标特征信息的丢失;在颈部采用改进的卷积结构,降低模型复杂度,同时提升检测精度;最后引入WIoU损失函数提升低质量样本预测能力。该方法在2种不同类别的数据集中都具有较好的表现,在RailDefect公共数据集上,其平均精度均值(mAP)达到91.2%,较YOLOv5s网络提高了3.6%,准确率(precision)和召回率(recall)分别提高了3.3%和3.9%。该算法在保证较高检测精度的同时降低了模型复杂度,更适合部署于算力有限的移动端轨道检测设备中,具有一定的实用价值。
-
关键词
钢轨多类别缺陷
YOLOv5s
注意力机制
加权双向特征融合网络
损失函数
-
Keywords
the multi class defect recognition task of steel rails
YOLOv5s
attention mechanism
weighted bidirectional feature fusion network
loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-