基于YOLOv5的动车防松铁丝故障自动检测方法.pdf
《基于YOLOv5的动车防松铁丝故障自动检测方法.pdf》由会员分享,可在线阅读,更多相关《基于YOLOv5的动车防松铁丝故障自动检测方法.pdf(3页珍藏版)》请在咨信网上搜索。
1、交通世界TRANSPOWORLD0 引言列车的维护检修是一项需要大量人力物力的工作,目前的列车维护检修大多仍在使用传统的人工检测手段,由于工作环境恶劣、列车数量众多,人工检测的方法效率较低且可靠性不高,易导致列车发生质量问题,影响列车安全运行。目前,铁路领域对于动车防松铁丝的检测越来越重视。动车防松铁丝折断故障是一种可能危及行车安全的故障,因此对防松铁丝的故障检测至关重要。随着深度学习与人工智能的不断发展,YOLO、Faster-RCNN1检测网络被广泛用于目标检测中,但是在检测过程中还是会出现错检和漏检的问题,原因可能是由于目标的尺寸较小,能够提取的特征有限,在不断的卷积过程中致使特征消失,
2、导致算法对防松铁丝的故障检测率低。本文针对采集到的数据样本,研究一种高识别率的智能检测算法。1 防松铁丝断裂故障识别流程该技术主要是用于动车组运行故障图像检测系统中,利用轨道两旁搭建的高速摄像设备获取过车图像,挑选含防松铁丝部位的图像作为样本图像,前期需要通过人工标注的方式借助标注软件将图片中故障信息形成相应的标注文件,网络会依据标注的信息进行特征学习。由于列车上的防松铁丝部位图像会受光照影响,使部件特征不明显,需要在样本输入网络之前加入图像增强处理。接着要设置好合适的超参数,加载样本图像到 YOLOv5 网络中进行训练,训练完保存模型文件,再对新过车的故障进行检测,如有异常及时报警。防松铁丝
3、断裂故障识别流程如图 1 所示。图1 防松铁丝故障检测流程图2 基于YOLOv5的防松铁丝故障识别算法YOLOv5是Ultralytics公司的开源YOLO版本,且完全基于PyTorch实现,在目标检测领域应用效果良好,该算法的特点主要表现在以下几方面。2.1 数据预处理对图片进行翻转、缩放、色域变化、马赛克增强2等操作,把原数据和增强数据拼接后传入卷积神经网络学习。这种方式丰富了检测数据和背景,提升了对小目标的检测能力,加强模型的鲁棒性。自适应锚框计算:在模型进行训练前,会自适应计算训练集中的最佳锚框值,使检测框更加贴合故障的形态,使定位更精准。通过K-mean聚类方法对数据集中的目标尺寸重
4、新计算得到的,其中小尺度是负责收稿日期:2023-03-01作者简介:张闽东(1979),男,福建泉州人,高级工程师,研究方向为机器视觉与人工智能。基于YOLOv5的动车防松铁丝故障自动检测方法张闽东,王盼盼,武慧杰,苏胜龙(北京京天威科技发展有限公司,北京 100085)摘要:为提高动车防松铁丝的检测准确性,减少错检和漏检问题,研究一种高识别率的智能检测算法。采用深度学习算法YOLOv5对防松铁丝断裂类故障进行检测,并对该算法进行部分模块的优化,调整了核心参数和网络框架,并加入增强技术。经测试,该技术能对防松铁丝断裂类故障有明显的提升效果,可供同类工程参考。关键词:图像增强;神经网络;YOL
5、Ov5算法;深度学习;防松铁丝断裂中图分类号:U269.3文献标识码:A13总660期2023年第30期(10月 下)检测图像中的大目标,中尺度负责检测中等大小的目标,大尺度负责检测小目标。自适应图片缩放:输入网络前需要将原始图像缩放到固定大小,该技术能自适应添加最少的黑边,减少了推理时的计算量。2.2 网络模型的改进主干网络中采用Focus结构,流程是先对输入图像每隔一个像素取一个值,得到4张图片,再进行通道拼接,目的是将图像的宽高信息集中到通道空间,此时的图像相对于原先的RGB三通道模式变成了12个通道,然后将得到的新图像经过卷积操作,最终得到无信息丢失情况下的二倍下采样特征图,可减少计算
6、量,提高速度。主干网络中使用带有残差结构的CSP1,由于主干网络较深,增加残差结构可以增强层与层之间反向传播的梯度值,避免因加深网络导致的梯度消失,同时可以解决网络退化的问题,得到的特征粒度更细。主干网络中的CSP1模块如图2所示。图2 主干网络的CSP1模块图 2 中,CBL 包含 Conv、BN、Leaky ReLU 三个步骤。Conv表示卷积,用来进行特征提取。BN特征归一化,用来平滑特征输入的分布,将输入值缩放到均值为 0 方差为 1 的标准正态分布,避免了梯度消失的问题,也很大程度加快了训练速度。Leaky ReLU激活函数,给所有负值赋予一个非零斜率,作用是解决特征在传递过程中造成
7、的梯度消失问题。Res Unit(2 个CBL卷积+残差)中,残差结构3有两个分支,一条分支对特征进行卷积,另一条分支直接作为特征传递,然后将两个分支融合后的特征作为输出。本文的改进点是将YOLOv5中主干网络替换成EfficientNetB2网络,通过使用一个固定比例来实现对网络的深度、宽度以及分辨率三个维度的同时缩放,为模型提供了兼具准确性与快速性的高效卷积神经网络。其与缩放的关系如式(1)(3)所示:depth=(1)width=(2)resolution=(3)式(1)(3)中:为组合缩放系数,需要手动设定;为深度;为宽度;为图像分辨率。缩放基数分别为、和。EfficientNet4网
8、络的核心结构为 MBConv 模块,其中还融入了注意力机制,其结构如图3所示。图3 MBConv模块MBConv模块中,首先对输入进行11的逐点卷积,输出通道维度根据扩展比例变化,然后通过kk的深度卷积(本文中k为3),再经过SE权重注意力模块,接着通过11的逐点卷积将输出通道维度统一成与输入通道维度一样大小。最后随机失活部分神经元,并在模块输入输出之间建立跳跃连接。模块中的每个卷积操作后均紧跟批归一化,并使用swish激活函数进行激活。SE模块可以自动搜集每个特征通道的重要性并根据所搜集的特征的重要性排序,对有用特征增强并抑制无关的特征。该方法使用全局平均池化提取通道间的特征,将结果和后层特
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 YOLOv5 动车防松 铁丝 故障 自动检测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。