-
题名关于提高钢轨探伤车检测性能的建议
- 1
-
-
作者
谢祺
-
机构
南宁铁路局工务检测所
-
出处
《黑龙江交通科技》
2018年第4期160-161,163,共3页
-
文摘
大型超声波钢轨探伤车主要用于检测铁路钢轨内部和表面的各种疲劳缺陷和伤损,是保障铁路安全生产,防止断轨的重要设备。基于探伤车日常使用过程中遇到到各种问题,科学分析,提出应对方法,并对优化探伤车的检测性能提出建议。
-
关键词
钢轨探伤车
提高检测性能
伤损数据
探轮检修测试工作室
-
Keywords
railflaw detection car
improve detection performance
damage damage database
test wheel inspection studio
-
分类号
U292
[交通运输工程—交通运输规划与管理]
-
-
题名改进YOLOv8的汽车表面伤损实例分割模型
- 2
-
-
作者
谭旭
赵骥
-
机构
辽宁科技大学计算机与软件工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第14期197-208,共12页
-
基金
辽宁自然科学基金(2020-MS-281)
辽宁省教育厅科研项目(LJKZZ2022043)。
-
文摘
针对人工定损方式无法满足智能汽车时代的发展要求,及传统汽车伤损检测模型精度低、信息少、难部署等问题,提出了改进YOLOv8的汽车伤损实例分割模型EIS-YOLO。在主干网络中设计了一个多尺度特征融合与通道数减小的CRDB模块,取代传统C2f模块,显著减少了参数量的同时提高了特征融合的能力;提出了保留高分辨率分支的HRFPN结构,以加强细节信息保留能力,增强细节与语义信息的交换,该结构通过AFF和BiAM注意力融合模块增强了深层传递,经由简化冗余连接的E-FPN完成特征融合。还增加了一个额外的输出头捕捉细小伤损,提高了模型对小目标伤损及伤损边缘的精确识别。在CarDD数据集上,主干网络部分提出的CRDB模块对比C2f模块实现了同架构下计算量减小20.15%,同时多任务平均准确率提升2个百分点,在此基础上,结合HRFPN结构与额外输出头设计的模型整体的准确率P_(B)、P_(M)相较于基准模型分别提升了4.4和6.6个百分点,且模型更轻量,计算复杂度更低。
-
关键词
汽车伤损检测
YOLO-Seg
注意力机制
多尺度特征融合
CarDD汽车伤损数据
-
Keywords
vehicle damage detection
YOLO-Seg
attention mechanism
multi-scale feature fusion
CarDD vehicle damage data
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
