文献类型：期刊文章

作　　者：李浪怡[1] 刘强[1] 邹一鸣[1] 陈金源[1] 李鹏[1] 王前选[1]

LI Lang-yi;LIU Qiang;ZOU Yi-ming;CHEN Jin-yuan;LI Peng;WANG Qian-xuan(School of Rail Transportation,Wuyi University,Jiangmen 529020,China)

机构地区：[1]五邑大学轨道交通学院,广东江门529020

出　　处：《五邑大学学报（自然科学版）》

基　　金：国家重点研发计划资助项目(2018YFB1201601)。

年　　份：2021

卷　　号：35

期　　号：3

起止页码：43-48

语　　种：中文

收录情况：CAS、普通刊

摘　　要：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  

分 类 号：U216.3]