申请/专利权人：兰州交通大学

申请日：2024-01-11

公开（公告）日：2024-04-12

公开（公告）号：CN117876324A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/774;G06V10/762;G06V10/82;G06V20/70;G06V10/80;G06N3/0464;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进YOLOv5s模型的轨道扣件缺陷检测方法，该方法包括以下步骤：首先，采用垂直拍摄的方式在现场采集扣件的RGB图像，对采集到的图像进行增强和扩增，利用LabelImg进行标注，建立扣件数据集，并利用K‑means++算法重新聚类锚框，获得适合扣件数据集的锚框；其次，在YOLOv5s模型的Neck网络中添加卷积注意力机制CBAM，同时引入双向加权特征金字塔网络BiFPN，加强模型对重要特征信息的提取和实现多尺度特征融合；最后，利用改进模型对扣件进行检测，评价改进模型的检测性能和鲁棒性。本发明自建了扣件数据集，并对YOLOv5s模型进行改进，使得改进后的模型更适合扣件缺陷检测，与现有目标检测模型相比，改进模型具有较高的检测精度和良好的鲁棒性，可以为轨道扣件缺陷检测的边缘部署提供技术支撑。

主权项：1.一种基于改进YOLOv5s模型的轨道扣件缺陷检测方法，其特征在于，检测方法包括以下步骤：步骤1：现场采用垂直拍摄的方式采集扣件RGB图像，建立扣件数据集，将数据集按8:2的比例划分为训练集和测试集；步骤2：利用K-means++算法对扣件数据集重新聚类，获得适合扣件数据集的锚框，替换YOLOv5s模型的预置锚框，提升模型对缺陷扣件的定位能力；步骤3：在YOLOv5s模型的Neck网络的C3模块后面添加卷积注意力机制CBAM，得到融合CBAM注意力机制的YOLOv5s模型；步骤4：在YOLOv5s模型的Neck网络中引入双向加权特征金字塔网络BiFPN，得到融合BiFPN结构的YOLOv5s模型；步骤5：将扣件数据集的训练集图像输入图像尺寸设置为640*640，然后输入到添加CBAM和BiFPN模块的改进YOLOv5s模型中进行训练，得到用于扣件缺陷检测的模型，并得到权重文件；步骤6：利用步骤5训练的权重文件在改进模型上对测试集进行检测，得到检测结果，使用目标检测模型常用的评价指标对检测结果进行评价；步骤7：在步骤6的基础上对不同天气条件下采集的扣件图像进行检测，验证改进模型的鲁棒性和泛化性。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种基于改进YOLOv5s模型的轨道扣件缺陷检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD