重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (8): 130-137.

• 机械·材料 • 上一篇    

改进 YOLOv5s的钢轨表面缺陷检测算法

李 军,许炫皓,王耀弘   

  1. 1.重庆交通大学 机电与车辆工程学院,重庆 400074;2.重庆市计量质量检测研究院,重庆 40112
  • 发布日期:2024-09-09
  • 作者简介:李军,男,博士,教授,主要从事智能网联汽车、新能源汽车方面的研究,Email:cqleejun@163.com;通信作者 许炫皓,男,硕士研究生,主要从事计算机视觉、缺陷检测研究,Email:1351881811@qq.com。

  • Published:2024-09-09

摘要: 针对钢轨多类别缺陷识别任务中样本不平衡、尺度差异大,提出一种改进 YOLOv5s的钢轨表面缺陷检测算法。在骨干网络中嵌入全局注意力机制,增强网络对缺陷特征的提取能力;构建加权双向特征融合网络,减少缺陷目标特征信息的丢失;在颈部采用改进的卷积结构,降低模型复杂度,同时提升检测精度;最后引入 WIoU损失函数提升低质量样本预测能力。该方法在 2种不同类别的数据集中都具有较好的表现,在 RailDefect公共数据集上,其平均精度均值(mAP)达到 91.2%,较 YOLOv5s网络提高了 3.6%,准确率(precision)和召回率(recall)分别提高了 3.3%和 3.9%。该算法在保证较高检测精度的同时降低了模型复杂度,更适合部署于算力有限的移动端轨道检测设备中,具有一定的实用价值。

关键词: 钢轨多类别缺陷;YOLOv5s;注意力机制;加权双向特征融合网络;损失函数

中图分类号: 

  • TP391.4