Algorithme de détection des fissures de surface des rails basé sur un YOLOv5s amélioré

ZHOU Miao-sen ,  

TANG Quan-wu ,  

SHI Tian-tian ,  

LUO Tong-lan ,  

ZHANG Ze-xin ,  

XUE Yong-xia ,  

摘要

Les fissures apparaissant à la surface des traverses ferroviaires peuvent représenter un danger pour la sécurité des transports ferroviaires. Les méthodes de détection des fissures des rails présentent des problèmes de faible généralisation, faible précision et faible taux de rappel. Nous proposons un algorithme de détection des fissures des rails basé sur une version améliorée de YOLOv5s, nommé YOLOv5s-CBE. Tout d’abord, le module d’attention CA est intégré au module principal C3 ainsi qu’entre C3 et SPPF, capturant les relations de canal et les informations spatiales à deux dimensions, ce qui améliore la capacité d’extraction des caractéristiques du réseau principal YOLOv5s. Ensuite, dans la partie Neck de YOLOv5s, le BiFPN est utilisé pour fusionner des informations à différentes échelles, obtenant ainsi des cartes de caractéristiques de sortie riches en informations sémantiques ; simultanément, la structure pyramide de fusion bidirectionnelle pondérée ajuste la contribution des cartes de caractéristiques à différentes échelles aux sorties via des poids, optimisant la fusion des caractéristiques, réduisant la perte d’informations lors de la convolution et améliorant la précision de détection. Enfin, la fonction de perte CIoU originale de YOLOv5s est remplacée par EIoU. EIoU prend en compte non seulement la distance entre les centres et le rapport d’aspect, mais aussi les différences réelles de largeur et de hauteur entre la boîte prédite et la boîte réelle, améliorant ainsi la précision des prédictions des ancres. Comparé au réseau YOLOv5s d’origine, le réseau de détection des fissures YOLOv5s-CBE sur un ensemble de données de fissures de rails fabriqué maison a réduit la taille du modèle de 1,0 Mo, augmenté la précision mAP de 3,7 %, et le taux de rappel est passé de 73,5 % à 76,2 %, réduisant le nombre de fissures non détectées de tailles différentes, démontrant une certaine supériorité et une valeur pratique.

关键词

fissures des rails; YOLOv5s; mécanisme d’attention de coordonnées; fusion de caractéristiques; fonction de perte

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website