基于YOLOv5算法的钢轨扣件分类检测研究

作者：陈修忻; 杨光

来源：电子制作, 2023, 31(22): 69-72.

DOI：10.16589/j.cnki.cn11-3571/tn.2023.22.027

• YOLOv5算法
• 钢轨扣件
• 分类检测
• 识别效果

钢轨扣件是保障轨道车辆安全运行的基础，目前依靠人工检查钢轨扣件状态效率低且具有缺陷性。基于YOLOv5算法对钢轨弹条断裂、缺失、移位以及螺栓缺失四种状态扣件进行分类检测研究，文章选取706张含故障扣件的图片进行标注形成钢轨故障扣件数据集，讨论了YOLOv5s、YOLOv5m两种模型对数据集分别训练50、100次后的识别效果，结果显示：采用YOLOv5m模型训练100次的YOLOv5算法对各类别故障扣件的测试精度、召回率、mAP@.5、mAP@.5:.95分别为0.988、0.967、0.987、0.822。该方法对钢轨扣件分类检测具有很好的应用价值。

• 单位
  上海地铁维护保障有限公司工务分公司