基于改进YOLOv5的超声钢轨缺陷检测方法

摘要

钢轨内部缺陷检测是保证列车运行安全非常重要的安全保证,为了增加对钢轨内部缺陷的识别准确率,减少人为不确定因素的干扰,提出了一种用YOLOv5目标识别的方法来辅助识别,并对YOLOv5算法进行改进,改进了数据增强,提升数据鲁棒性,添加NAM注意力模块来捕获局部信息,同时引入GhostNet,对模型进行轻量化处理。改进的YOLOv5_GNM算法的AP50值到达了87.7%,参数量减少了37%,帧数达到了66帧,提高了缺陷识别的准确率。