-
题名基于改进YOLOv5算法的轨面缺陷检测
被引量：10
- 1
-
-
作者
李浪怡
刘强
邹一鸣
陈金源
李鹏
王前选
-
机构
五邑大学轨道交通学院
-
出处
《五邑大学学报（自然科学版）》
CAS
2021年第3期43-48,54,共7页
-
基金
国家重点研发计划资助项目(2018YFB1201601)。
-
文摘
为提高轨面巡检的效率和精度,本文提出了一种基于YOLOv5算法的轨面缺陷检测算法.首先对YOLOv5的特征提取网络结构进行轻量化改进,并引入注意力机制对特征图的不同通道进行权衡.同时,针对轨面缺陷目标较小的情况修改了检测输出层结构.实验结果表明,算法在参数减少了1/3的基础上精确率提升了15.7%,达85.1%;检测速度提升了5 fps,达到了43.7 fps的实时检测速度.改进后的YOLOv5检测算法满足轨面缺陷精准检测和定位任务要求,为高速高精度的轨面检测提供了一定的理论基础,具有一定的工程应用价值.
-
关键词
轨面缺陷
YOLOv5
注意力机制
-
Keywords
Rail surface defects
YOLOv5
Attention mechanism
-
分类号
U216.3
[交通运输工程—道路与铁道工程]
-
