典型文献
基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统
文献摘要：
当前,我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测,其危险系数大、成本高、效率低且误检率高.为解决该问题,提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统.该系统采用YOLOv4卷积神经网络,对现场采集的钢结构雨棚和接触网螺栓进行标注,通过K-means聚类算法,确定锚框数目和尺寸;利用CutMix和Mosaic等数据增强操作,增加训练数据的多样性,避免出现训练过拟合.试验结果表明,该系统类别识别准确率可达85％以上,识别效果较好,满足检测实时性要求.
文献关键词：
YOLOv4算法;钢结构雨棚;螺栓检测;深度学习;数据增强
中图分类号：
作者姓名：
王域辰;冯海龙;刘伯奇
作者机构：
中国铁道科学研究院集团有限公司 铁道建筑研究所,北京 100081
文献出处：
引用格式：
[1]王域辰;冯海龙;刘伯奇-.基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统)[J].铁路计算机应用,2022(06):1-5
A类：
B类：
高速铁路,铁路客运,客运车站,钢结构雨棚,螺栓缺失,缺失检测,目测,危险系数,误检率,You,Only,Look,Once,YOLOv4,现场采集,接触网,means,聚类算法,锚框,CutMix,Mosaic,数据增强,加训,训练数据,避免出现,过拟合,识别准确率,螺栓检测
AB值：
0.368158
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
