基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测

摘要：

目前,地铁车辆的检修主要依赖于人工检测,不仅效率低,而且可能因漏检等原因造成严重的行车安全事故.因此提出了一种基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测算法.首先,在YOLOv5算法的骨干网络和特征提取网络中添加Ghost模块,轻量化网络结构,提升检测效率和速度;其次,采用改进的YOLOv5算法对螺栓进行定位训练,并插入CBAM注意力模块,增加网络对目标的关注度,从而获得良好的螺栓定位检测模型;最后通过模板匹配的方法,对比网络检测结果与正常转向架螺栓数量及分布,获得缺失螺栓数目与位置信息.实验结果显示,改进后的YOLOv5网络模型检测精度提升3.9%,模型参数量减少了近1/2,检测速度提升9 fps,螺栓缺失检测准确率为86.2%.因此,文中提出的改进YOLOv5算法的地铁车辆转向架螺栓检测模型满足螺栓缺失定位的检测任务要求,取得了良好的应用效果.

关键词：地铁转向架、螺栓缺失、YOLOv5算法、Ghost模块、CBAM模块

分类号：U231.94(特种铁路)

资助基金：五邑大学港澳联合研发基金2019WGALH15

在线出版日期：2023-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-54