基于改进YOLOv5的机车轮对踏面缺陷检测

摘要：

针对传统机车轮对踏面缺陷检测方法难以准确、快速、有效地检测出踏面缺陷的问题,文章提出了一种基于YO-LOv5算法的两阶段目标检测模型.首先,对YOLOv5检测网络采用Ghost进行轻量化设计,并引入注意力机制以强化重要特征的表达能力,从而提高模型的检测速度,降低模型复杂度.同时,精简踏面提取特征融合网络结构,改进原始先验框以适配数据集.实验结果表明:在踏面提取阶段,算法仅损失0.26%精度的基础上,检测速度提高了43.4%;在缺陷检测阶段,检测精度提高了1.72%,检测速度提高了30.4%.改进后的模型算法复杂度显著降低,具有一定的工程应用价值.

关键词：计算机视觉、深度学习、YOLOv5、轮对踏面缺陷

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：14-16,19