摘要

针对高铁接触网的关键零部件U型抱箍开口销由于目标较小难以检测其缺失故障的问题,提出了一种基于YOLOX模型改进的小目标检测方法。根据高铁接触网图像背景较暗、开口销所占图像比例非常小的特点,引入了卷积块注意力机制模块(CBAM)来关注图像重要区域;使用CIOU替换IOU来优化YOLOX的损失函数,更加准确地评估预测框与目标框的匹配程度;设计了SC-PAN(skip connection PAN)结构来增强特征表达能力;构建了MSF-ASPP(multi-scale fusion atrous spatial pyramid pooling)模块,通过不同扩张率的空洞卷积进行多尺度融合,更好地捕捉图像中的语义信息。实验结果表明,改进后的YOLOX算法对U型抱箍定位的精确度达到了94.05%、召回率为97.53%、平均精度均值(mAP)为97.01%,单张检测时间为0.741 s,对开口销的再次定位的精确度高达99%、开口销缺失检测的精确度高达95.45%,其定位以及缺失检测整体效果都有着明显的提升。

全文