基于改进YOLOv7的钢轨缺陷检测方法

来源：电子测量技术杂志2024年第20期北京时间：

作者：赵亚凤，宋文华，刘晓璐，胡峻峰

单位：东北林业大学计算机与控制工程学院 哈尔滨 150040

摘要：针对铁路轨道缺陷检测精度低，漏检率高，实时性不足的问题，本文提出了一种基于YOLO-FCA的钢轨缺陷检测算法。首先，将YOLOv7的主干网络替换成FasterNet轻量网络，并加入CloAttention注意力模块，减少参数量和计算负载的同时提高缺陷检测的精度。其次，提出MS-ASFF，获取高层语义信息和保留低层详细特征，增强模型检测的准确性和鲁棒性。最后，在不影响精度的情况下进行网络剪枝，使模型更加轻量化，极大地提升了模型的检测速度。在公共数据集上进行实验，结果表明，YOLO-FCA相比原始模型YOLOv7模型的mAP提高了4.1%，达到80.7%，同时检测速度提升了38.5%，达到212.5 FPS。实验结果表明，YOLO-FCA能够高效且准确地定位检测钢轨缺陷。

关键词：YOLOv7算法;钢轨缺陷;自适应的空间特征融合;注意力机制;轻量化模型

基金资助：黑龙江省杰出青年项目基金(JQ2023F002)资助