计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

作     者：张浩然 吴松荣 周懿 邓鸿枥 张翰文 刘齐 ZHANG Haoran;WU Songrong;ZHOU Yi;DENG Hongli;ZHANG Hanwen;LIU Qi

作者机构：磁浮技术与磁浮列车教育部重点实验室成都610031 西南交通大学电气工程学院成都611756 

基　　金：四川省重大科技专项资助项目(20QYCX0095) 

出 版 物：《铁道标准设计》 (Railway Standard Design)

年 卷 期：2024年第68卷第5期

页      码：52-59,121页

摘      要：轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。

主 题 词：轨枕掉块 目标检测 YOLOv5s 数据增强 K-means算法 多尺度特征融合 

学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.13238/j.issn.1004-2954.202208240005

馆 藏 号：203127609...