基于改进YOLOv5算法的块状磨屑识别方法

针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题，提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上，增加更大尺度的检测层，提升小尺寸块状磨屑的检测效果；在骨干网络嵌入卷积注意力模块（Convolutional Block Attention Module,CBAM），增强块状磨屑的特征表达；选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数，加快模型的收敛速度，提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验，结果表明：改进后的YOLOv5算法对于块状磨屑的检测能力有所提高，召回率提升了4.55%，均值平均精度提升了8.6%，对小尺寸块状磨屑有更好的检测效果。     

大型养路机械轨道纵向水平光电测量技术研究

捣固车利用弦测法测量轨道纵向水平时，由于采用钢丝绳弦线而具有一定的局限性，针对这一问题，提出了一种用激光弦替代钢丝绳弦线的光电测量系统。该系统采用单弦法检测轨道纵向水平，在后司机室位置放置激光发射器，在前司机室门口及后司机室前方4 500 mm位置放置光电探测器。该系统包括数据采集、数据处理、图像分析与处理、多传感器数据融合四部分，通过对采集到的数据进行处理，准确定位激光图像光条中心的位置，并对接收到的传感器测量值进行滤波处理，使数据变得平滑，噪声得以有效去除。现场试验结果表明，该光电测量系统与捣固车原有测量系统测量数据的时间响应基本一致，且测量差值最大不超过0.5 mm，能够满足实际测量的需求。