来源：期刊VIP网 时间：
作者：李培刚;张瑞心;李文举;孙宏杰;王璐;刘泽轩;
单位：上海应用技术大学轨道交通学院;上海应用技术大学计算机科学与信息工程学院;
摘要：无砟轨道在我国高速铁路系统中广泛应用，而宽窄接缝是保证轨道系统完整性和稳定性的关键部件之一，只有快速且准确识别关键部位表观病害，才能支撑高效科学维护。为在环境光照条件差、病害特征与背景相似度高等情景中，更好地兼顾部署模型的检测精度、速度和模型大小，提出一种基于改进YOLOX的表观病害机器视觉识别方法YG-E-Mv2Net-b。首先通过在主干网络和颈部网络之间添加高效通道注意力ECA模块，抑制与混凝土相似的背景信息，更加准确地提取大中小多尺度病害目标特征信息；其次通过优化位置损失函数IoU为GIoU,解决了无法准确反映预测框与真实框重叠方式的问题，提高病害位置的检测精度；最后替换主干网络为轻量型MobileNetV2,在提高精度和速度的同时，大大降低模型参数量和计算量。实验结果表明，该方法识别精度高达97.6%,相比YOLOX,识别速度提高3 Img/s,模型计算量减小9.57 GFLOPs,参数量降低5.8 M,能够很好地兼顾识别精度、速度与模型大小。
关键词：无砟轨道;;宽窄接缝;;病害识别;;YOLOX;;注意力机制;;MobileNetV2
基金资助：“一带一路”中老铁路工程国际联合实验室科研项目(21210750300);; 中国国家铁路集团有限公司科技研究开发计划重大课题(K2020G031)
