针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌...针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。展开更多
文摘针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题,提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上,增加更大尺度的检测层,提升小尺寸块状磨屑的检测效果;在骨干网络嵌入卷积注意力模块(Convolutional Block Attention Module,CBAM),增强块状磨屑的特征表达;选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数,加快模型的收敛速度,提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验,结果表明:改进后的YOLOv5算法对于块状磨屑的检测能力有所提高,召回率提升了4.55%,均值平均精度提升了8.6%,对小尺寸块状磨屑有更好的检测效果。
