基于改进YOLOv10n的钢轨表面缺陷检测

来源：电子测量技术杂志2026年第7期北京时间：

作者：刘珮，刘伯鸿

单位：兰州交通大学自动化与电气工程学院 兰州 730070

摘要：为提升钢轨表面缺陷检测的准确性与小目标识别能力，设计了一种基于YOLOv10n的轻量化目标检测模型。该模型在浅层骨干网络引入C2f_CGBlock，以增强局部上下文感知与特征表达能力；特征融合部分采用RepGFPN，并在部分回传路径中引入SimAM以突出关键信息。模型训练中使用InnerSIoU损失函数以优化定位精度。实验在钢轨表面缺陷数据集上进行验证，结果显示，改进模型在Precision、Recall、F1和mAP@0.5等指标上分别提升了3.38%、3.72%、3.55%和4.01%，相比基准模型在小尺寸缺陷和复杂背景下的检测效果有明显提升。该模型在兼顾检测精度与实时性的同时，显著提升了钢轨缺陷检测性能，具备良好的工程应用前景。

关键词：钢轨表面缺陷;目标检测;YOLOv10n;CGBlock;Inner-SIoU

基金资助：国家自然科学基金(51967010)项目资助