-
题名结合局部强化和改进YOLOv8的隧道螺栓锈蚀检测
- 1
-
-
作者
武晓春
李鲁豫
-
机构
兰州交通大学自动化与电气工程学院
-
出处
《计算机工程与应用》
北大核心
2025年第19期249-259,共11页
-
基金
中国国家铁路集团有限公司基金(N2022G012)
国家自然科学基金(61661027)。
-
文摘
针对地铁隧道检修环境光线不足,不可避免地导致人工检修螺栓准确率低、漏诊率高的问题,提出了基于局部强化(local enhancement algorithm,LEA)和改进YOLOv8的隧道螺栓锈蚀检测模型(YOLOv8s+LEA+MSSf+FL,YOLO-LMF),将人工检修变为智能检测,提高检修效率。使用带有邻域检查(neighbor check)的局部强化算法增强螺栓锈蚀部位,使模型更好识别锈蚀特征。提出多尺度通道组混排卷积(multi-scale channel group shuffle convolution,MSCGSC),将MSCGSC融入YOLOv8的C2f(cross stage partial network fusion)模块中,得到新的模块MSSf(multiscale shuffle fusion),使模型更好地学习锈蚀螺栓与色斑在螺栓附近时的不同的表现,提高模型检测精度。考虑到锈蚀螺栓中困难样本限制了模型检测的精度且螺栓样本不平衡的问题,引入了焦点损失函数(focal loss,FL),降低数量庞大的样本在训练中所占的权重,使模型集中对分类困难样本的学习。实验结果表明:所提出的模型相较于原模型分别增长了0.032、0.05、0.011和0.003,参数量减少了10.4%。模型在地铁隧道螺栓数据集上具有更好的表现,能够为地铁隧道维护作业研发检测机器人提供参考,减少隧道养护工人工作量,提高工作效率。
-
关键词
隧道螺栓
局部强化
YOLOv8
多尺度通道组混排卷积
焦点损失
-
Keywords
tunnel bolts
local enhancement
YOLOv8
multi-scale channel group shuffle convolution(MSCGSC)
focal loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
