基于改进YOLOv5算法的钢轨扣件状态检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：针对传统钢轨扣件检测方法存在的检测效率低、成本高、人工劳动强度大、危险系数高等问题，文章尝试将深度学习应用于钢轨扣件检测中。文章以钢轨扣件为研究对象，结合CBAM注意力机制和YOLOv5模型，对钢轨扣件进行检测。实验结果表明：基于改进的YOLOv5钢轨扣件检测模型能够有效检测钢轨缺陷，检测精度为0.93，召回率为0.86，F1分数为0.92，表明该模型为钢轨扣件检测提供了一种有效的检测方法。（剩余6874字）

试读结束

目录
monitor
客服机器人