典型文献
基于YOLO-v5的双块式轨枕裂缝智能识别
文献摘要：
轨枕正常工作是高速铁路安全运营的重要保障,开展轨枕裂缝的损伤检测研究意义重大.建立YOLO-v5裂缝目标检测模型,将计算机视觉技术应用于双块式轨枕裂缝的智能识别研究.通过图像标注、参数选取、模型构建、模型训练及模型预测等步骤完成轨枕裂缝目标检测试验,研究结果表明:YOLO-v5目标检测模型参数选取合理,模型训练结果准确,无过拟合或欠拟合现象发生;轨枕裂缝目标检测模型的识别正确率为98.35％,mAP值为48.72％,Recall值为90.32％,单张图片识别速度为0.01 s,说明模型预测结果可满足实际工程对精度和实时性的要求;通过对正常光照、暗光线及微裂纹等不同条件下裂缝的识别,YOLO-v5目标检测模型表现出高精度智能识别,体现了模型良好的泛化能力和鲁棒性,说明模型可以满足实际工程复杂工况的需求.
文献关键词：
轨枕裂缝;计算机视觉技术;目标检测;YOLO-v5;智能识别
中图分类号：
作者姓名：
崔晓宁;王起才;李盛;代金鹏;梁柯鑫;李隆甫
作者机构：
兰州交通大学土木工程学院, 甘肃兰州 730070;道桥工程灾害防治技术国家地方联合工程实验室, 甘肃兰州 730070;中铁上海设计院集团有限公司,上海 200070;中建三局集团有限公司, 甘肃 兰州 730000
文献出处：
引用格式：
[1]崔晓宁;王起才;李盛;代金鹏;梁柯鑫;李隆甫-.基于YOLO-v5的双块式轨枕裂缝智能识别)[J].铁道学报,2022(04):104-111
A类：
轨枕裂缝
B类：
YOLO,v5,双块式轨枕,智能识别,高速铁路,铁路安全,安全运营,损伤检测,研究意义,目标检测模型,计算机视觉技术,图像标注,参数选取,模型训练,检测试验,无过,过拟合,欠拟合,mAP,Recall,单张,图片识别,暗光,光线,微裂纹,不同条件下,泛化能力,工程复杂,复杂工况
AB值：
0.275323
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
