철로 침목 표면에 나타나는 균열은 철도 교통에 안전 위험을 초래할 수 있습니다. 기존의 철로 균열 검출 방법은 범용성이 낮고 정확도와 재현률이 낮은 문제점이 있습니다. 이에 개선된 YOLOv5s 기반의 철로 균열 검출 알고리즘 YOLOv5s-CBE를 제안합니다. 우선 CA 주의 모듈을 주된 C3 모듈과 C3와 SPPF 사이에 각각 추가하여 채널 및 공간 두 차원에서 채널 관계와 위치 정보를 포착함으로써 YOLOv5s 주 네트워크의 특징 추출 능력을 향상시켰습니다. 그다음 YOLOv5s의 Neck 부분에서 BiFPN을 사용하여 다양한 스케일 정보를 융합하여 풍부한 의미 정보를 가진 출력 특징 맵을 얻고, 가중치가 적용된 양방향 특징 융합 피라미드 구조를 통해 서로 다른 스케일의 입력 특징 맵이 출력에 미치는 기여도를 조정하여 특징 융합 효과를 최적화하고 컨볼루션 과정에서 특징 정보 손실을 줄여 검출 정확도를 높였습니다. 마지막으로 원래 YOLOv5s의 손실 함수 CIoU를 EIoU로 변경하였습니다. EIoU는 중심점 거리와 종횡비뿐만 아니라 예측 박스와 실제 박스의 너비와 높이 간의 실제 차이를 고려하여 앵커 박스 예측 정확도를 향상시켰습니다. 원본 네트워크 YOLOv5s와 비교하여 YOLOv5s-CBE 철로 균열 검출 네트워크는 자체 제작한 철로 균열 데이터셋에서 모델 크기를 1.0MB 줄였고, mAP 정확도를 3.7% 향상시켰으며, 재현률은 73.5%에서 76.2%로 상승했으며, 다양한 크기의 균열 누락 현상이 감소되어 일정한 우수성과 실용 가치를 갖습니다.

철로 균열; YOLOv5s; 좌표 주의 메커니즘; 특징 융합; 손실 함수