列车轮对踏面缺陷的轻量级检测算法优化设计

摘要

针对列车轮对踏面缺陷检测算法计算量、参数量较大，且高精度与低计算复杂度难以匹配等问题，提出一种基于YOLO11n算法的列车轮对踏面缺陷的轻量级检测算法。构建轻量化的高效幽灵开端(Ghost-Inceptiona)特征提取模块替代YOLO11n骨干网络中的特征提取模块，降低模型的参数量与计算量，提高轮对踏面缺陷检测的精度和效率；在颈部网络中采用改进的带小卷积核的跨阶段部分连接瓶颈模块(C3k2＿Faster-EMA)作为特征提取模块，提升算法对不同尺度下目标区域的特征提取融合能力，进而提高轮对踏面缺陷的检测精度；优化设计轻量化检测头，通过加入深度可分离卷积实现算法参数量、计算量的大幅降低；设计基于交并比(IoU)的改进损失函数(Focaler-PIoU),加强算法对不同尺度缺陷的适应性，提高踏面缺陷检测能力。实验结果表明：在自制列车轮对踏面缺陷的数据集上，所提改进算法的参数量减少了18.2%,计算量下降了28.6%,平均精度均值提升了2.3%。改进算法在提升踏面缺陷检测精度的前提下实现算法的轻量化改进，在轮对踏面缺陷检测中具有广泛的应用前景。

关键词

列车轮对踏面 / 缺陷检测 / YOLO11n算法 / 轻量化改进

基金资助

甘肃省重点研发计划资助项目(23YFGA0049)