首页 | 本学科首页   官方微博 | 高级检索  
     

基于改进YOLOX的轻量级钢轨表面缺陷检测算法
作者姓名:杨佳佳  许贵阳  白堂博
作者单位:1.北京建筑大学机电与车辆工程学院100044;2.北京建筑大学100044;
基金项目:国家自然科学基金(51975038);北京市自然科学基金(L211007,L221027)。
摘    要:针对现有基于深度学习的钢轨表面缺陷检测方法在嵌入式检测系统上兼容性较差、计算资源占用高以及检测速度慢的问题,提出了一种基于改进YOLOX的轻量级钢轨表面缺陷检测算法。模型中主干特征层以MobileNetv3单元为基础,在保留其网络轻量化的同时进行局部优化,改进了浅层网络的激活函数,嵌入了SE(Squeeze and Excitation)注意力机制;在加强特征层优化了尾部的冗余卷积。通过与几种代表性算法进行对比试验,验证该算法的性能。结果表明:本文提出的改进算法在模型参数量仅为1.10×106的情况下,检出率和准确率分别达到了92.17%和90.92%,每秒传输帧数(Frame Per Second,FPS)为115.07,模型大小仅为原模型的1/5。该算法在保证较高检测精度的同时大大降低了模型参数量,并提升了检测速度,更适合部署于算力有限的嵌入式轨道检测系统,可为钢轨缺陷高效检测提供有效手段。

关 键 词:钢轨表面缺陷  深度学习  目标检测  轻量化  YOLOX网络
本文献已被 维普 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号