基于改进YOLOv8的电气化铁路接触网异物检测

TM75%TP391.41%U225; 电气化铁路接触网入侵异物检测是保证列车安全稳定运行的关键,针对现有检测模型在精度和效率方面无法达到平衡,不能满足应用要求,以及在实际应用中嵌入式设备部署困难的问题,文章提出一种基于改进YOLOv8的轻量级模型.该模型首先将GhostConv模块融入到YOLOv8网络中,减少模型提取特征信息时的参数量和浮点运算量,进而压缩模型大小,以确保较高的检测精度;同时,结合轻量级上采样算子CARAFE,增强模型对异物的关注能力和对异物特征空间信息的表达能力.此外,模型将GAM注意力机制嵌入到主干网络中,以增强网络提取异物特征和抑制非关键信息的能力.基于电气化铁路接触...

Full description

Saved in:
Bibliographic Details
Published in机车电传动 no. 5; pp. 181 - 189
Main Authors 韩秀峰, 王勇, 谢蓓敏, 张力
Format Journal Article
LanguageChinese
Published 国网吉林省电力有限公司 超高压公司,吉林 长春 130000%国网吉林省电力有限公司 超高压公司,吉林 长春 130000 2024
东北电力大学 电气工程学院,吉林 吉林 132012%北京中科创世科技发展有限公司,北京 100089
Subjects
electrified railway
overhead contact system(OCS)
电气化铁路
注意力机制
global attention mechanism(GAM)
接触网
YOLOv8
异物检测
embedded
嵌入式
foreign object detection
Online AccessGet full text

Cover

More Information
Summary:TM75%TP391.41%U225; 电气化铁路接触网入侵异物检测是保证列车安全稳定运行的关键,针对现有检测模型在精度和效率方面无法达到平衡,不能满足应用要求,以及在实际应用中嵌入式设备部署困难的问题,文章提出一种基于改进YOLOv8的轻量级模型.该模型首先将GhostConv模块融入到YOLOv8网络中,减少模型提取特征信息时的参数量和浮点运算量,进而压缩模型大小,以确保较高的检测精度;同时,结合轻量级上采样算子CARAFE,增强模型对异物的关注能力和对异物特征空间信息的表达能力.此外,模型将GAM注意力机制嵌入到主干网络中,以增强网络提取异物特征和抑制非关键信息的能力.基于电气化铁路接触网异物检测数据的试验结果显示,该模型实现92.0%的mAP,优于现有的主流轻量化方法,并且参数量和浮点运算数分别达到4.9 MiB和8.6×109次,实现模型轻量化.在Jetson Nano嵌入式设备上开展进一步测试,测试结果表明,模型在有限计算资源条件下具有优越的适应性和推理速度.
ISSN:1000-128X
DOI:10.13890/j.issn.1000-128X.2024.05.024