基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测.docxVIP

下载本文档

0
0
约1.16万字
约 5页
2026-01-14 发布于浙江
举报
版权申诉

基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

机械工程师ME

机械工程师

MECHANICALENGINEER

机械工程师ME

机械工程师

MECHANICALENGINEER

PAGE50圆园

PAGE50

圆园23年第9期网址：电邮：hrbengineer@163.com

PAGE51网址：

PAGE51

网址：电邮：hrbengineer@163.com圆园23年第9期

基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测

邹一鸣，李鹏，林群煦，陈金源，郑衡，李虎，刘凯，钟程

（五邑大学轨道交通学院，广东江门529020）

摘要：目前，地铁车辆的检修主要依赖于人工检测，不仅效率低，而且可能因漏检等原因造成严重的行车安全事故。因此提出了一种基于改进YOLOv5算法的地铁车辆转向架螺栓缺失检测算法。首先，在YOLOv5算法的骨干网络和特征提取网络中添加Ghost模块，轻量化网络结构，提升检测效率和速度；其次，采用改进的YOLOv5算法对螺栓进行定位训练，并插入

CBAM注意力模块，增加网络对目标的关注度，从而获得良好的螺栓定位检测模型；最后通过模板匹配的方法，对比网络检测结果与正常转向架螺栓数量及分布，获得缺失螺栓数目与位置信息。实验结果显示，改进后的YOLOv5网络模型检测精度提升3.9%，模型参数量减少了近1/2，检测速度提升9fps，螺栓缺失检测准确率为86.2%。因此，文中提出的改进

YOLOv5算法的地铁车辆转向架螺栓检测模型满足螺栓缺失定位的检测任务要求，取得了良好的应用效果。

关键词：地铁转向架；螺栓缺失；YOLOv5算法；Ghost模块；CBAM模块

中图分类号:U231.94 文献标志码:粤文章编号：员园园圆原圆猿猿猿（圆园23）09原园050原园5

DetectionofMissingBoltsinSubwayBogiesBasedonImprovedYOLOv5Algorithm

ZOUYiming,LIPeng,LINQunxu,CHENJinyuan,ZHENGHeng,LIHu,LIUKai,ZHONGCheng

(SchoolofRailwayTransportation,WuyiUniversity,Jiangmen509020,China)

Abstract:Atpresent,themaintenanceofsubwaymainlyreliesonmanualinspection,whichisnotonlyinefficient,butalsomaycauseserioustrafficsafetyaccidentsduetomissedinspectionsandotherreasons.Therefore,thispaperproposesadetectionalgorithmformissingboltsofsubwaybogiesbasedontheimprovedYOLOv5algorithm.Firstly,theGhostmoduleisaddedtothebackbonenetworkandfeatureextractionnetworkoftheYOLOv5algorithmtolightenthenetworkstructureandimprovethedetectionefficiencyandspeed.Secondly,theimprovedYOLOv5algorithmisusedtotraintheboltpositioning,andtheCBAMisinsertedtoincreasethenetworkfocusonthetarget,soastoobtainagoodboltpositioningdetectionmodel.Finally,throughthetemplatematchingmethod,thenumberanddistributionofthemissingboltsareobtainedbycomparingthenetworkdetectionresultswiththenumberanddistributionofnormalbogiebolts.Theexperimentalresultsshowthatthed