基于IR-DETR的轨道图像增强及扣件损伤检测方法

为解决在轨道扣件检测中常见的光线不足导致的图像模糊昏暗、扣件特征提取不足等问题,提出一种基于InstructIR(Instruct Image Restoration)与RT-DETR(Real Time Detection Transformer)的综合方法IR-DETR。在图像预处理方面,针对轨道检测图像的特点,提出基于InstructIR的图像增强方法,根据智能检测的需求增强图像特征。在扣件损伤检测方面,优化RT-DETR模型,引入可学习位置编码（Learned Positional Encoding,LPE）,用于对序列中的位置信息进行编码,并在主干部分融合可变形卷积DCNv2(Deformable ConvNets v2),进一步提升模型的感知能力与特征表达能力。用优化前后的数据集作为输入,对IR-DETR及主流模型进行了对比试验。结果表明：改进后的模型平均检测精度提高了2.1%,在参数量基本不变的情况下检测速度提高了18.6%。