科研之友
微信
新浪微博
Facebook
分享链接
摘要
铁路巡检工作中，嵌入式设备受算力和存储空间的限制，存在使用YOLO V5模型检测钢轨扣件缺陷速度慢、精度较低的问题。通过替换YOLO V5主干卷积网络为MobileNet V3,将网络中的激活函数修改为Mish并融合协同注意力机制，实现模型的轻量化改进。将改进后的模型部署到嵌入式设备Jetson TX2上，使用板载CSI摄像头扫描、拍摄钢轨扣件，并搭载显示屏等设备构成钢轨扣件缺陷检测系统。运行系统，单张扣件图片的检测速度达56.8 ms,准确度在90%以上，并且模型大小仅有9.8 MB,符合占用存储少、检测效果佳的轻量化要求。
-
单位兰州交通大学; 机电工程学院
