期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进YOLOv7算法的接触网吊弦线夹螺母状态识别方法
1
作者 曹文翔 顾桂梅 《兰州交通大学学报》 CAS 2024年第2期68-75,共8页
针对传统的深度学习算法在处理铁路接触网吊弦线夹螺母时效果不佳,而人工巡检吊弦线夹螺母速度慢、难度大问题,提出一种改进的YOLOv7算法对接触网吊弦线夹螺母状态进行识别。首先,该算法在YOLOv7原有模型特征提取网络的末端融合卷积和... 针对传统的深度学习算法在处理铁路接触网吊弦线夹螺母时效果不佳,而人工巡检吊弦线夹螺母速度慢、难度大问题,提出一种改进的YOLOv7算法对接触网吊弦线夹螺母状态进行识别。首先,该算法在YOLOv7原有模型特征提取网络的末端融合卷积和自我注意力机制,使算法既拥有注意力和卷积的优势,又与单一的卷积或注意力相比具有较小的计算量,以提升缺陷检测的速度;然后,在特征提取网络的输出端引入空间到深度卷积模块,以空间层到深度层取代池化层,以非跨行卷积层取代跨行卷积层,强化算法对螺母缺陷状态的识别能力;最后,在输出层加入新的移动网络轻量级坐标注意力机制,以得到方向感知和位置敏感的注意图,互补地应用于输出特征图,以更有利于接触网吊弦线夹螺母的识别。仿真实验结果表明:在未经裁剪的接触网吊弦数据集上,该算法对吊弦线夹螺母状态识别的正确率达到90%以上,平均检测准确率为98.5%,证明改进后YOLOv7算法在兼具检测速度的同时能更加准确地识别接触网吊弦线夹螺母状态。 展开更多
关键词 接触网吊弦 吊弦线夹螺母状态识别 YOLOv7 自注意力与卷积融合 空间到深度卷积模块
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部