基于数据增强和改进YOLOv8的轨道扣件检测方法

来源：电子测量技术杂志2025年第21期北京时间：

作者：刘亚好，任愈

单位：西南交通大学轨道交通运载系统全国重点实验室 成都 610031

摘要：随着深度学习技术在轨道巡检中的广泛应用，轨道扣件领域的视觉检测方法得到越来越多的研究。针对当前轨道扣件数据集中构建缺陷样本的效率瓶颈、以及基于图像数据展开部件松动检测手段相对匮乏的现状，本文提出了一种基于数据增强和YOLOv8模型的轨道扣件检测方法。本研究通过搭载于检测车上的线阵相机采集图像获取原始数据和纹理信息，利用图像的先验信息控制点云数据高效生成包含轮廓信息的掩膜图像及标签文件，基于风格迁移模型实现了纹理信息的迁移和融合。针对基于图像数据同步实现缺失等状态和松动状态检测的需求，引入注意力机制和自适应拼接层，构建多任务检测模型实现了扣件状态的快速识别与螺栓区域的精确分割，目标检测的平均精度达到了92.14%，语义分割的交并比达到了89.60%。本文方法有效提升了数据增强的效率，降低了二维图像领域对于螺栓状态的漏检概率。

关键词：轨道扣件;智能检测;数据增强;线阵相机;YOLOv8

基金资助：四川省科技计划资助项目(2023YFH0049)、四川省自然科学基金(2022NSFSC0415)项目资助