原创力文档- 1、本文档共60页，其中可免费阅读18页，需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PAGE2
摘要当今铁路运输业的迅猛发展，列车运行的安全问题成为了重中之重，钢轨的故障检测是决定列车能否安全运行的重要部件，目前我国铁路钢轨故障检测主要基于人工检测为主，随着计算机等技术的发展，该故障检测方法已经不能满足当今时代发展。
本文基于深度学习与基于传统机器视觉在钢轨轨面故障目标检测研究进行了对比分析,采用YOLOV5算法的钢轨轨面故障检测算法上，在此基础上，使得满足实际检测场景要求，实现钢轨故障自动识别。由于传统的缺陷识别算
法人工提取特征耗时，泛化性差，对YOLOV5算法的特征提取网络结构进行轻量化改进，用Mobilenetv2替换YOLOV5模型的主干特征
文档评论（0）