-
题名基于YOLOv5的铁路接触网异物检测模型初步研究
被引量：5
- 1
-
-
作者
赵仲瑜
唐伟忠
张文辉
蒲伟
牛超群
-
机构
中国铁路兰州局集团有限公司
-
出处
《铁路计算机应用》
2024年第2期13-18,共6页
-
基金
中国铁路兰州局集团有限公司科技研究开发计划课题(2023076-1)。
-
文摘
接触网上附着的异物是影响铁路列车运行安全的一大隐患,在开行列车前需要检查接触网上是否有异物附着。目前,接触网异物检测主要依靠人工巡检,工作效率低,人力物力消耗大。文章通过建模实验,初步探讨利用基于深度学习的目标检测技术实现铁路接触网异物检测的可行性;构建了3种接触网异物检测模型:YOLO(You Only Look Once)v5模型、YOLOv5+坐标注意力(CA,Coordinate Attention)改进模型和YOLOv5+ConvNext Block改进模型,利用包含鸟窝和轻质异物两种常见异物的接触网图像数据集,对这3种模型进行实验分析。实验结果表明,相比YOLOv5算法,对于检测鸟窝和轻质异物两种常见的接触网异物,YOLOv5+CA改进模型和YOLOv5+ConvNext Block改进模型具有更好的效果,且YOLOv5+ConvNext Block改进模型检测小尺寸目标的能力更强。
-
关键词
铁路接触网
异物检测
基于深度学习的目标检测
YOLOv5
坐标注意力(ca)
ConvNext
Block
-
Keywords
railway overhead line equipment
foreign object detection
deep learning based object detection
YOLOv5
coordinate attention
ConvNext Block
-
分类号
U226.8
[交通运输工程—道路与铁道工程]
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv5s的木材表面缺陷检测模型
被引量：8
- 2
-
-
作者
朱豪
周顺勇
曾雅兰
李思诚
刘学
-
机构
四川轻化工大学自动化与信息工程学院
-
出处
《木材科学与技术》
北大核心
2023年第2期8-15,共8页
-
基金
四川省科技厅项目“基于多源信息融合的低空飞行安全电力线检测系统关键技术研究”(2020YFSY0027)
四川省科技厅项目“基于机器视觉的太阳能电池片缺陷检测系统研究”(2020YFG0178)
+1 种基金
四川轻化工大学研究生创新基金项目(Y2022129)
四川轻化工大学研究生创新基金项目(Y2022163)。
-
文摘
针对木材表面缺陷的复杂多样性和特征提取困难,提出一种基于改进YOLOv5s的木材表面缺陷(活节、死节、有裂缝节子和裂缝)检测模型。首先,在Backbone网络引入坐标注意力机制(coordinate attention,CA)增强每个通道之间的信息交互,然后采用混合空间金字塔池化(hybrid spatial pyramid pooling-fast,HSPPF)结构减少信息损失,再使用GSConv卷积减少参数量,用改进的曲线高效交叉联合(curve efficient intersection over union,CEIoU)作为训练时模型的损失函数,提升木材缺陷检测的准确性。试验结果表明,改进模型能够有效检测出木材表面缺陷,模型的平均精度均值(mean average precision,mAP)为84.4%,比未改进之前提高了2%,检测速度达到73.9 FPS,在模型参数量方面明显减少,同时优于其他主流模型,能够满足木材表面缺陷检测的要求。
-
关键词
HS-YOLOv5s
木材表面缺陷检测
坐标注意力机制(ca)
混合空间金字塔池化(HSPPF)
曲线高效交叉联合(CEIoU)
-
Keywords
HS-YOLOv5s
wood surface defect detection
coordinate attention(ca)
hybrid spatial pyramid pooling-fast(HSPPE)
curve efficient intersection over union(CEIoU)
-
分类号
S781.5
[农业科学—木材科学与技术]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
