Трещины на поверхности шпал могут представлять угрозу безопасности железнодорожного транспорта. Существующие методы обнаружения трещин рельсов обладают низкой универсальностью, точностью и уровнем полноты. Предлагается алгоритм обнаружения трещин рельсов YOLOv5s-CBE, основанный на улучшенном YOLOv5s. Во-первых, модули внимания CA добавлены в основной модуль C3 и между C3 и SPPF для захвата взаимосвязей каналов и пространственной информации, что повышает способность извлечения признаков базовой сети YOLOv5s. Затем в части Neck YOLOv5s используется BiFPN для объединения информации разных масштабов, что обеспечивает выходные карты признаков с богатой семантикой; при этом взвешенная двунаправленная структура пирамиды объединения признаков посредством введения весов для регулировки вклада карт признаков различных масштабов в выход улучшает интеграцию признаков и уменьшает потерю информации в процессе свёртки, повышая точность обнаружения. Наконец, функция потерь CIoU в оригинальном YOLOv5s заменена на EIoU, которая учитывает не только расстояние между центрами и соотношение сторон, но и реальные различия в ширине и высоте между предсказанной и истинной рамкой, улучшая точность предсказания якорных рамок. По сравнению с оригинальной сетью YOLOv5s, сеть обнаружения трещин YOLOv5s-CBE на самодельном наборе данных с трещинами рельсов уменьшила размер модели на 1,0 МБ, повысила точность mAP на 3,7%, увеличила полноту с 73,5% до 76,2%, снизила пропуски трещин различного размера и обладает определённым превосходством и практической ценностью.

трещины рельсов; YOLOv5s; механизм координатного внимания; объединение признаков; функция потерь