结合空间域与频率域处理的钢轨表面缺陷检测研究

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：冀萌浩, 王新

单位：河南理工大学 物理与电子信息学院，河南 焦作 454000

摘要：针对钢轨表面缺陷检测任务存在因相机抖动造成的图像模糊失真而影响检测效果的问题，提出了一种结合空间域与频率域处理的图像增强算法与改进后YOLOv8s模型的钢轨表面缺陷检测算法，旨在通过提高图像质量来提高检测网络的检测精度。通过图像恢复网络对图像去模糊复原，使用深度学习缩减检测区域，提出了空间域的全局与局部信息融合的自适应伽马变换和基于拉普拉斯金字塔改进的频率域滤波算法来提升图像亮度、对比度和细节信息。借助YOLOv8s算法对增强后的图像进行训练，并通过改进特征融合网络、引入注意力模块和设计基于参数共享的检测头来降低网络参数，提升网络检测精度。实验结果表明，相比于未使用图像增强算法，该算法增强后数据集的检测精度有了更好的效果；采用增强后的数据集进行训练，相比于原网络，改进后的检测网络对所有目标、大目标和小目标的平均精度均值都有明显提升。

关键词：钢轨表面缺陷,自适应伽马变换,频率域滤波,YOLOv8s,参数共享