来源：期刊VIP网 时间：
作者：张浩然;吴松荣;周懿;邓鸿枥;张翰文;刘齐;
单位：磁浮技术与磁浮列车教育部重点实验室;西南交通大学电气工程学院;
摘要：轨枕作为固定钢轨和扣件的重要轨道零部件之一，由于长期承受钢轨传来的各种作用力，其端部易出现掉块，造成轨道机械结构稳定性下降，故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题，提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先，采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量，解决缺陷样本少的问题；其次，通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层，提高轨枕掉块缺陷检测精度和速度；然后，将锚框之间的平均交并比作为距离量度改进K-means聚类算法，并使用遗传算法优化，重新匹配适合轨枕掉块缺陷检测的锚框；最后，使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构，增强特征融合能力。实验结果表明，与原模型相比较，改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。
关键词：轨枕掉块;;目标检测;;YOLOv5s;;数据增强;;K-means算法;;多尺度特征融合
基金资助：四川省重大科技专项资助项目(20QYCX0095)
