基于改进YOLO算法地铁异物检测

来源：电子测量技术杂志2025年第16期北京时间：

作者：何赛赛，黄民，王文胜

单位：1.北京信息科技大学机电学院 北京 100192;2.北京信息科技大学现代测控技术教育部重点实验室 北京 100192

摘要：对于地铁站台和列车间缝隙之间异物入侵造成的安全防护，以及现有深度学习算法低光照下检测精度低，空间位置精度和小目标检测准确性不足等问题，提出一种改进YOLOv10地铁缝隙异物检测的深度学习方法SSS-YOLO，用于地铁缝隙中异物的监测，该方法首先通过SCINet构建了一个权重共享的光照学习过程，用于改善地铁缝隙暗环境下的图像质量问题，考虑到不同尺度部分特征权重，SSS-YOLO模型中引入了无参注意力机制，同时强化了空间位置信息，减小了信息损失量，最后使用Shape-IOU损失函数，增强了地铁缝隙中小目标检测和回归预测框的准确性，提升了对缝隙中小目标的检测精度。实验结果表明，该方法准确率达到了90.90%，平均检测精度提高了3.62%。

关键词：深度学习;异物检测;YOLOv10;低照度网络;注意力机制

基金资助：国家重点研发计划课题（2020YFB1713205）项目资助