Risse auf der Oberfläche von Schwellen können Sicherheitsrisiken für den Schienenverkehr darstellen. Bestehende Methoden zur Erkennung von Schienrissen weisen Probleme wie geringe Allgemeingültigkeit, niedrige Genauigkeit und niedrige Rückrufrate auf. Es wird ein auf einer verbesserten YOLOv5s basierender Schienriss-Erkennungsalgorithmus YOLOv5s-CBE vorgeschlagen. Zunächst wird das CA-Aufmerksamkeitsmodul jeweils in das Grundmodul C3 und zwischen C3 und SPPF eingefügt, um Kanalbeziehungen und Positionsinformationen aus zwei Dimensionen – Kanal und Raum – zu erfassen und so die Merkmalextraktionsfähigkeit des YOLOv5s-Grundnetzwerks zu verbessern. Anschließend wird im Neck-Bereich von YOLOv5s BiFPN zur Fusion von Informationen unterschiedlicher Skalen verwendet, um Ausgabefeature-Maps mit reichhaltigen semantischen Informationen zu erhalten; gleichzeitig optimiert die gewichtete bidirektionale Feature-Fusionspyramidenstruktur durch Einführung von Gewichtungen den Beitrag der Eingangsfeature-Maps unterschiedlicher Skalen zur Ausgabe, reduziert den Verlust von Feature-Informationen während der Faltung und verbessert die Erkennungsgenauigkeit. Schließlich wird die ursprüngliche Verlustfunktion CIoU in YOLOv5s durch EIoU ersetzt. EIoU berücksichtigt nicht nur die Distanz der Mittelpunkte und das Seitenverhältnis, sondern auch die tatsächlichen Unterschiede in Breite und Höhe zwischen dem vorhergesagten und dem echten Rahmen, wodurch die Ankerrahmenvorhersagegenauigkeit verbessert wird. Im Vergleich zum ursprünglichen Netz YOLOv5s weist das YOLOv5s-CBE-Schienriss-Erkennungsnetzwerk auf einem selbst erstellten Datensatz für Schienrisse eine um 1,0 MB verringerte Modellgröße, eine um 3,7 % erhöhte Genauigkeit (mAP), eine Steigerung der Rückrufrate von 73,5 % auf 76,2 %, eine Verringerung von Fehlerkennungen bei Rissen unterschiedlicher Größe auf und besitzt eine gewisse Überlegenheit und praktischen Wert.

Schienrisse; YOLOv5s; Koordinatenaufmerksamkeitsmechanismus; Merkmalfusion; Verlustfunktion