線路の枕木表面に発生するひび割れは、鉄道交通の安全上のリスクとなる可能性があります。既存の線路ひび割れ検出方法は、汎用性が低く、精度や再現率が低いという問題があります。そこで、改良されたYOLOv5sに基づく線路ひび割れ検出アルゴリズムYOLOv5s-CBEを提案します。まず、CA注意モジュールを主干のC3モジュールおよびC3とSPPFの間にそれぞれ組み込み、チャネルと空間の2つの次元からチャネル関係と位置情報を捉えることで、YOLOv5s主幹ネットワークの特徴抽出能力を高めます。次に、YOLOv5sのNeck部分では、BiFPNを用いて異なるスケールの情報を融合し、豊富な意味情報を持つ出力特徴マップを取得します。同時に、重み付き双方向特徴融合ピラミッド構造により、異なるスケールの入力特徴マップの出力への寄与を重みで調整し、特徴融合効果を最適化して畳み込み過程での特徴情報の損失を減少させ、検出精度を向上させています。最後に、元のYOLOv5sの損失関数CIoUをEIoUに変更しました。EIoUは中心点距離とアスペクト比だけでなく、予測ボックスと実際のボックスの幅と高さの実際の差異も考慮し、アンカーボックスの予測精度を向上させています。元のネットワークYOLOv5sと比較して、YOLOv5s-CBE線路ひび割れ検出ネットワークは自作の線路ひび割れデータセットでモデルサイズを1.0MB削減し、mAP精度を3.7％向上させ、再現率は73.5％から76.2％に上昇し、異なるサイズのひび割れの検出漏れが減少し、一定の優位性と実用価値を持っています。

線路ひび割れ; YOLOv5s; 座標注意メカニズム; 特徴融合; 損失関数