【技术实现步骤摘要】
基于改进YOLOv5的车顶关键部件定位方法及系统
[0001]本专利技术属于交通安全工程
,具体地说,是一种基于改进YOLOv5的车顶关键部件定位方法及系统。
技术介绍
[0002]随着我国铁路系统的高速发展,列车的运行安全问题越来越为人们所重视。在通过式机车检测中,受电弓等车顶关键部件的识别检测作为机车检测的一个重要环节,已经受到了广泛的关注。列车车顶部件存在着一系列可能发生的故障以及隐患,如受电弓磨损变形,避雷器破裂和空调外机剥落等,可能会使列车运行故障。因此车顶设备状态在线检测系统对于列车安全运行具有重要的意义。
[0003]车顶设备状态检测的方式有人工检测法和基于图像处理的检测技术。人工检测的方法是等待列车进入车辆段后,经过停车、降弓、断电等一系列操作后,由工作人员登上车顶借助简单辅助工具,查看车顶表面是否存在异物、关键部件是否发生故障等。人工检测法存在检测效率低、产生二次异物、存在一定安全隐患等问题,已经无法满足对当今安全运营的需求。
[0004]基于图像处理的检测技术,通过采集清晰完整的车顶图像数据,定位车顶的关键部件,然后对其进行处理分析,实现对车顶设备状态检测和异物检测的需求,中国铁路设计集团有限公司的王永强通过3台线阵相机获取车顶图像,利用Hough对受电弓过滑板及瓷瓶进行定位,采用ECC配准、模版匹配、结构相似度评估等方法对关键部件进行缺损检测,存在运行速度慢,实时性差的问题。天津的王业超通过HTM神经网络算法对列车车顶的关键部件进行结构学习,构建车顶关键部件的数据模版库,在 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv5的车顶关键部件定位方法,其特征在于,包括以下步骤:步骤1、采集列车车顶图像,对图像中包括受电弓滑板、空调外机、空调固定螺帽、空调螺栓、天线、避雷器和瓷瓶的车顶关键部件进行标注,对采集的车顶图像进行数据增强,构建数据集;步骤2、采用YOLOv5算法的Head部分,对步骤1采集到的未标注原始车顶图像进行预处理,包括Mosaic数据增强、自适应锚框计算和自适应图片缩放;步骤3、优化YOLOv5算法的Backbone主干网络部分,采用GhostBottleneck模块替换Backbone中原本的CSP1_X模块,使模型轻量化;添加SE注意力机制到Backbone末端;步骤4、采用YOLOv5算法的Neck部分,进行特征融合;步骤5、在YOLOv5算法的预测部分,采用CIoU_Loss替代GIOU_Loss作为定位损失函数,得到改进YOLOv5的网络结构模型;步骤6、采用步骤1标注的数据集,通过步骤2~步骤5构成的网络结构模型训练数据并验证性能;步骤7、使用步骤6模型训练后得到的best.pt权重文件对待测车顶图像进行检测,输出车顶关键部件定位检测结果。2.根据权利要求1所述的基于改进YOLOv5的车顶关键部件定位方法,其特征在于,所述步骤1具体包括:步骤1.1、在列车检测区间配置高清工业相机,当列车通过时,启动相机对车顶图像进行连续拍摄,获取列车车顶的高清图像,后经过人工挑选,挑选包含受电弓滑板、空调外机、空调固定螺帽、空调螺栓、天线、避雷器和瓷瓶的图像;步骤1.2、对挑选后的图像,利用LabelImg工具分别对图像中受电弓滑板、空调外机、空调固定螺帽、空调螺栓、天线、避雷器和瓷瓶进行标注;步骤1.3、对标注后的车顶图像按照8:2的比例划分为训练集和验证集。3.根据权利要求1所述的基于改进YOLOv5的车顶关键部件定位方法,其特征在于,所述步骤3具体包括:步骤3.1、引入轻量级网络GhostNet替换主干网络中CSP1结构的残差模块;步骤3.1.1、GhostNet首先使用标准卷积获得原始的输出,表示为:Y=X*f+b其中给定输入数据X∈R
(c
×
h
×
w)
,*表示卷积运算,f为该层的卷积滤波器,b是偏置项,Y是输出,c是输入通道的数量,h和w分别是输入数据的高度和宽度;步骤3.1.2、使用一次卷积生成m个固有特征图:Y
′
=X
′
*f
′
其中Y
′
∈R
(h1
×
w1
×
m)
是输出,X
′
表示输入数据,f
′
表示该层的卷积滤波器,h1和w1分别是输入数据的高度和宽度,m为固有特征图个数;步骤3.1.3、再对输出使用一系列线性变换操作转化成若干组5*5大小的卷积核,表示为:y
ij
=φ
i,j
(y
i
′
)其中φ
i,j
表示线性运算,y
i
′
表示步骤3.1.2输出的第i个固有特征图,y
ij
表示卷积核,i表示固有特征图序号,j表示通道序号;
步骤3.1.4、再进行两次融合操作,不改变输出的特征图数量;步骤3.2、在YOLOv5算法基础上融合SE注意力机制;步骤3.2.1、对输入进行一个卷积操作生成特征图,接着进行压缩操作,将特征图进行全局平均池化,将每个通道的H*W个像素值u压缩为一个实数,生成一个1*1...
【专利技术属性】
技术研发人员:朱俊霖,吕晨,漆琛,吴泽宇,李洪,唐磊,王学慧,邢成雷,邢宗义,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。