改进YOLOv5s的地铁齿轮箱螺丝状态检测

来源：计算机工程与应用杂志2025年第20期北京时间：

作者：程光耀, 张文强, 王志城, 华路捷, 严世昌, 张涛

单位：1.北京市地铁运营有限公司 运营三分公司，北京 100080；2.江南大学 人工智能与计算机学院，江苏 无锡 214000

摘要：随着城市轨道交通的快速发展，地铁维护的安全性和效率变得尤为重要。其中，车底齿轮箱螺丝的状态直接关系到城轨车辆的安全运行，但传统的基于YOLOv5s检测方法在实时性方面存在明显不足。针对以上问题，提出一种基于改进YOLOv5s的齿轮箱螺丝状态检测算法。为保证模型实时性，采用了分组混洗卷积模块，显著减少了模型的计算量；针对传统空间金字塔池化技术未能充分考虑特征间差异性的问题，引入特征自适应融合的空间金字塔池化技术，提升了模型的性能；为提升单个卷积的表达能力，使用了一种新的特征提取单元，在保证轻量化的同时能够获取更多特征信息；为提高模型检测微小螺丝目标的能力，采用Focal Loss损失函数，提高了检测的准确率。实验结果表明，改进后的模型在mAP精度上比原始YOLOv5s算法提高了2.2个百分点，同时模型的参数和计算量分别降低2.9[×]106和8.1 GFLOPs，检测速度低至25 ms，提升了22%，证明了该方法有效性。

关键词：齿轮箱,螺丝检测,YOLOv5s,特征融合,小目标检测