典型文献
基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测
文献摘要：
为实现快速准确地检测轮对踏面缺陷,针对轮对踏面噪声干扰大、传统检测算法特征融合不充分的问题,提出一种基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测方法.首先,针对噪声干扰大的问题,设计了一个残差注意力降噪模块,以有效提升模型检测准确率,并使用Grad-CAM类激活映射技术验证残差注意力模块降低噪声干扰的作用;其次,针对特征融合不充分和模型容易产生漏检的问题,使用一种双向特征金字塔特征融合模块,对主干网络提取的特征进行高效融合,从而有效地降低检测漏检率;最后,采集了数百幅轮对踏面真实缺陷图像,并与5种经典检测模型进行对比,验证了算法的优越性.试验结果表明,该算法能够达到77.9％的准确率和72.3％的召回率,同时所提算法的图像检测速度能达到125幅/秒,模型权重仅为15.1 MB.该模型能快速准确地检测出剥离和凹陷2种缺陷,可便捷地应用于实际的轮对踏面实时缺陷检测场景.
文献关键词：
缺陷检测;轮对踏面;YOLO-v5;残差注意力;双向特征金字塔
中图分类号：
作者姓名：
张昌凡;徐逸夫;何静;杨皓楠
作者机构：
湖南工业大学电气与信息工程学院,湖南株洲 412007
文献出处：
引用格式：
[1]张昌凡;徐逸夫;何静;杨皓楠-.基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测)[J].机车电传动,2022(06):1-9
A类：
B类：
残差注意力,YOLO,v5,列车,车轮,轮对踏面,踏面缺陷,快速准确,噪声干扰,检测算法,算法特征,快速检测方法,降噪,模型检测,检测准确率,Grad,CAM,类激活映射,映射技术,技术验证,注意力模块,低噪声,双向特征金字塔,金字塔特征融合,特征融合模块,主干网络,高效融合,测漏,漏检率,数百,百幅,实缺,检测模型,召回率,图像检测,检测速度,模型权重,MB,凹陷,缺陷检测
AB值：
0.342386
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。
