基于改进YOLOv5s的钢轨表面伤损检测研究
随着我国轨道交通事业的快速发展，截止2022年12月，我国铁路运营总里程已达15.5万公里，稳居世界第一。钢轨作为列车运营的载体，是铁路系统中最重要的基础设施之一。随着钢轨服役时间的增加，钢轨表面会产生不可逆的伤损，伤损一旦产生，就易于快速发展，从而严重威胁到列车的安全运行。因此，对钢轨表面伤损进行准确、快速检测已成为我国轨道交通事业发展亟待解决的关键问题。因此，为了解决传统检测方法存在的问题，提高钢轨表面伤损的检测精度和检测速度，本文对基于深度学习的表面伤损检测算法进行研究，主要工作和创新如下： 1）针对钢轨表面伤损图像样本不足的问题，采用翻转变换、随机剪裁、亮度变换和生成对抗网络等方法扩充钢轨表面伤损图像样本数据集。 2）本文提出了一种基于改进YOLOv5s的钢轨表面伤损检测方法。首先，采用CDConv卷积模块替换YOLOv5s主干网络原有的第一层Conv卷积模块，提高了网络的检测速度；其次，在Backbone端尾部和Neck端尾部，采用Swintransformer方案改进原有网络的C3模块，可以更好地获得全局信息和更丰富的上下文信息；然后，在PANET引入GAM注意力，使网络更关注伤损密集区域特征，形成了新的检测头，提高了网络的检测精度；最后，采用Soft-SIoUNMS损失函数替换原来的CIoU，加快了算法的收敛速度，减小了回归误差。实验结果表明，本文所提出的改进YOLOv5s算法具有较高的检测精度和检测速度，可以实现钢轨表面伤损的准确、快速检测。 3）为了提高便携式设备检测钢轨表面伤损的能力，并符合其存储空间和功耗的限制条件，本文基于YOLOv5s网络构架，分别采用轻量级网络MobileNetv3和ShuffleNetv2作为YOLOv5s中的主干网络，并在主干网络最后一层引入ShuffleAttention注意力机制，构建了Mobile-YOLOv5s和Shuffle-YOLOv5s两种轻量级钢轨表面伤损检测网络。实验结果表明，所提出的两种轻量级网络均在保证一定检测精度和检测速度的前提下，极大地减小了网络模型的参数量和计算量。
钢轨表面伤损检测;改进YOLOv5s;数据增强;注意力机制;轻量级网络
华东交通大学
硕士
计算机技术
罗晖
2023
中文
U216.3
2023-11-30（万方平台首次上网日期，不代表论文的发表时间）