基于YOLOv5的列车踏面缺陷自动检测算法  

作　　者：刘长新 李广思 李敏 刘吉臣 吴子镜 

机构地区：[1]中国铁路沈阳局集团有限公司沈阳动车段,辽宁沈阳110023

出　　处：《中国机械》2024年第8期93-96,共4页Machine China

摘　　要：列车车轮是保障行车安全的关键部件,对其进行精确、迅速的检测,准确且快速地识别车轮踏面缺陷,是确保轮对能够及时维护的重要环节。利用深度学习的方法,通过对缺陷数据进行训练,可以准确快速地实现对踏面缺陷的检测。本文提出一种基于神经网络的车轮踏面缺陷识别方法,基于YOLOv5网络嵌入了CA注意力机制,使网络能捕捉到更多关键信息,使用加权双向特征金字塔网络结构,改进了损失函数,加快了网络的收敛速度,在保证缺陷识别精度的同时还具有较高的运行效率,实现踏面损伤的智能化识别。

关 键 词：深度学习 缺陷检测 神经网络 目标识别 

分 类 号：U279[机械工程—车辆工程] TP391.41[交通运输工程—载运工具运用工程]