基于YOLO-v5的双块式轨枕裂缝智能识别

来源 :铁道学报 | 被引量 : 1次 | 上传用户:zwhc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
轨枕正常工作是高速铁路安全运营的重要保障,开展轨枕裂缝的损伤检测研究意义重大。建立YOLO-v5裂缝目标检测模型,将计算机视觉技术应用于双块式轨枕裂缝的智能识别研究。通过图像标注、参数选取、模型构建、模型训练及模型预测等步骤完成轨枕裂缝目标检测试验,研究结果表明:YOLO-v5目标检测模型参数选取合理,模型训练结果准确,无过拟合或欠拟合现象发生;轨枕裂缝目标检测模型的识别正确率为98.35%,mAP值为48.72%,Recall值为90.32%,单张图片识别速度为0.01 s,说明模型预测结果可满足实际工程对精度和实时性的要求;通过对正常光照、暗光线及微裂纹等不同条件下裂缝的识别,YOLO-v5目标检测模型表现出高精度智能识别,体现了模型良好的泛化能力和鲁棒性,说明模型可以满足实际工程复杂工况的需求。
其他文献
随着科技不断发展,工业4.0、“互联网+”制造等概念被相继提出,智能制造成为各个国家制造业关注的热点,将传统制造业进行数字化、信息化改革成已为大势所趋。然而,目前装配生产线在生产过程中的信息数据与实体物理之间的信息交互仍存在不足。本文基于数字孪生理论,针对目前装配生产线在生产计划、生产状态监控和生产线在产品生产排产等方面存在的突出问题,建立了智能装配生产线CPS,基于数字孪生技术,本文设计了可对装
<正>一头连着万家灯火,一头连着城市产业,人才安居是城市稳就业、提能级的关键抓手,也是城市招才引智关键一环。近年来,为努力解决新就业大学生阶段性住房问题,常州市新北区薛家镇落实人才住房补贴,规范中介行为,提供购房优惠政策。但在日常调研中,很多新就业大学生反映,他们在租房过程中遇到房租贵、中介费高、不安全、服务配套少、管理不规范等一系列问题。
期刊
随着我国工业的快速发展,燃煤、冶炼、矿业开采等工程作业使大量镉进入水体和土壤,造成局部地区镉污染严重。植物修复技术通过根系吸收转运土壤中的物质,借助体内降解的机制,对土壤、水体以及大气环境中的污染物进行吸收降解,以达到修复环境的目的,在生态工程中发挥着至关重要的功能。本文选用抗逆性强的菊芋为试验对象,通过分析吲哚乙酸(Indole-3-acetic Acid,IAA)和激动素(Kinetin,KT
运用文献资料、实地调查等方法,梳理我国青少年校园足球发展经验、困境,提出发展路径。青少年校园足球发展经验:全面加强政策协同,构建发展体系;持续增加经济投入,强化全方位建设;加大校园足球宣传,增强文化自信;多元引入社会力量,发挥育人价值;打造足球育人环境,融合生态元素。困境:发展体系建设尚需提升,经济投入监管有待加强,校园足球文化亟须打造,育人理念融合有待提高,生态文明建设仍需推进。路径:形成合力,
随着电网结构的日益复杂,变电站关键设备的运行状态对电网安全稳定运行的影响逐渐增强。针对变电站复杂背景下多目标识别以及相似目标识别困难的问题,该文提出了一种基于注意力机制与特征平衡的YOLO-AFB(youonly lookonce-attentionandfeaturebalance)网络。通过在Darknet-53网络中引入混合注意力加强对变电站相关目标的特征提取能力,在特征融合模块中加入反卷积
由于无人机电网巡检存在检测区域面积小、背景复杂、计算量大等特点,导致深度学习算法的准确率和实时性难以实现。为实现无人机电网巡检的准确、快速识别,分析了各类深度学习算法在复杂环境下对绝缘子的检测效果,提出了一种基于YOLO v3的目标检测算法。首先选用ResNet18作为主干网络结构,然后构建一个多尺度特征金字塔,将其与主干网络进行融合,形成深度融合的电网巡检绝缘子检测模型,可在提高检测准确率的同时