铁道路基盖板缺失病害检测的YOLOv5l改进模型

被引：1

作者：

杨兴志 ^{[1
]}

刘杰 ^{[2
]}

机构：

[1] 北京建筑大学测绘与城市空间信息学院

[2] 中国铁道科学研究院集团有限公司铁道建筑研究所

来源：

科学技术创新 | 2024年 / 10期

关键词：

无人机影像; YOLOv5l; 注意力机制; 损失函数;

D O I：

暂无

中图分类号：

TP391.41 []; U216.3 [线路检测及设备、检测自动化];

学科分类号：

080203 ; 0814 ; 082301 ;

摘要：

针对无人机视角下铁路路基上的目标物相对较小，背景复杂，使用现有目标检测网络时容易出现误检和漏检的问题。本文对已有的YOLOv5l模型进行改进：首先，采用数据增强技术，增加有效样本数量；其次，为了降低复杂背景对检测的干扰，使模型更加专注于目标信息，引入双向路由注意力机制；最后，使用WIoU(Wise-IoU)损失函数代替原有的损失函数，解决高质量和低质量样本之间的平衡问题，增强模型的检测性能。通过在自制的盖板缺失病害数据集上进行实验，结果表明改进后的模型的平均检测精度从原始YOLOv5l的74.2%提高到了89.5%，满足路基盖板缺失病害检测需求。

引用

页码：207 / 210

页数：4