一种地铁车辆螺栓定位检测方法技术

本发明专利技术提供了一种地铁车辆螺栓定位检测方法，首先制作地铁车辆螺栓数据集，通过改进YOLOv5网络对螺栓进行定位检测。针对螺栓像素占比小且骨干网络中多次卷积造成特征信息损失的问题，设计一种特征加权融合模块用于融合骨干网络提取的各尺度特征图，在融合时加入坐标注意力机制，为不同尺度特征图赋予权重，提高模型对螺栓的关注度；在主干网络中增加上下文信息增强模块，通过融合不同尺度感受野的特征，获得关于螺栓更加丰富的上下文信息，提高螺栓的定位精度；用NWD‑NMS替换YOLOv5网络对小尺度目标敏感的IOU‑NMS，去除重叠的预测边界框。本发明专利技术有效增强了螺栓的特征表达能力，实现了更准确的螺栓定位检测。

【技术实现步骤摘要】

本专利技术属于目标检测，尤其涉及一种地铁车辆螺栓定位检测方法。

技术介绍

1、螺栓连接作为一种普遍的工件连接方式，具有价格低、可靠性高、安装、更换方便以及承载力强等优点，在地铁领域得到了大量应用。然而，地铁车辆中的螺栓由于长期受到交变力作用的影响，易造成不同程度的松动或丢失故障，若不及时发现并处理，将直接影响行车安全。因此，高效且准确检测螺栓对保证地铁正常运行和避免事故具有十分重要的意义。而传统的检测螺栓方式需要大量人工参与，不仅检测成本高，效率低，还容易产生误检、漏检等情况。

2、近年来，基于深度学习的目标检测算法依靠大量的数据，通过多层神经网络直接对图像进行卷积和池化操作来提取图像的本质特征，不仅极大地提高了目标检测的准确率，而且大大地缩短了检测时间。目前主流的深度学习目标检测算法有两类，一类是双阶段目标检测算法，如r-cnn、spp-net、fast r-cnn、faster r-cnn、fpn、mask r-cnn。双阶段目标检测器的检测精度高，但是网络构建的模型比较大，参数量较多，检测速度较慢，不适用于实际的项目中。另一类是基于回归分本文档来自技高网...

【技术保护点】

1.一种地铁车辆螺栓定位检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤1中，使用标注软件对地铁车辆螺栓图像数据集I中的图像进行标注，标注信息包括目标的大小、位置和类别。

3.根据权利要求2所述的方法，其特征在于，步骤2中，所述将数据集I中的地铁车辆螺栓图像进行数据增强，具体包括：灰度值变换、翻转、随机旋转和图像分块处理，其中图像分块采用重叠切块。

4.根据权利要求3所述的方法，其特征在于，步骤3中，所述特征加权融合模块执行如下步骤：

5.根据权利要求4所述的方法，其特征在于，步骤4包括：

6...

【技术特征摘要】

1.一种地铁车辆螺栓定位检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤1中，使用标注软件对地铁车辆螺栓图像数据集i中的图像进行标注，标注信息包括目标的大小、位置和类别。

3.根据权利要求2所述的方法，其特征在于，步骤2中，所述将数据集i中的地铁车辆螺栓图像进行数据增强，具体包括：灰度值变换、翻转、随机旋转和图像分块处理，其中图像分块采用重叠切块。

4.根据权利要求3所述的方法，其特征在于，步骤3中，所述特征加权融合模块执行如下步骤：

5.根据权利要求4所述的方法，其特征在于，步骤4包...

【专利技术属性】
技术研发人员：杨久晓，方力，王刚，田裕鹏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：