基于改进YOLOv5的机车轮对踏面缺陷检测  

作　　者：曹勇飞 乌伟[1] 顾焱 

机构地区：[1]西京学院,陕西西安710000

出　　处：《电脑知识与技术》2024年第19期14-16,19,共4页Computer Knowledge and Technology

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 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]