多尺度融合与动态自校正旋转的吊弦检测算法

摘要

针对高速铁路接触网中因吊弦松弛、断裂严重影响列车正常运行的问题，提出一种基于YOLOv8n的多尺度动态旋转(multi-scale dynamic rotation YOLOv8n, MDR-YOLOv8n)算法，用于检测吊弦的异常状态。通过高速铁路接触网4C检测系统获取高清吊弦图像，进行图像扩充；设计一种卷积局部注意力机制(convolutional local attention version 2, CloAttV2)并嵌入跨阶段部分融合(cross stage partial fusion,C2f)主干网络，通过轴向自适应池化与动态稀疏注意力门控协同作用，强化全局与局部特征融合，增强对吊弦关键特征的捕捉能力；设计一种含自校正机制的多尺度特征融合轻量化动态上采样模块，通过自适应调整特征图的采样权重，有效利用上下文语义信息，降低模型参数量，显著提升抗干扰能力；设计面向旋转框的任务对齐动态检测头(oriented bounding box-task align dynamic detection head,OBB-TADDH),采用任务对齐机制优化旋转目标定位效果，减少冗余信息，提高小目标检测能力。试验结果表明，MDR-YOLOv8n在置信度0.5下的平均精度较YOLOv8n模型提升3.7百分点，推理速度提升2.3百分点，在复杂环境下能保持较高的检测性能。MDR-YOLOv8n在检测精度、推理速度和轻量化方面能够优化平衡关系，为4C检测系统的智能升级提供新方案。

关键词

YOLOv8n / 接触网吊弦 / 动态上采样 / 注意力机制 / 旋转目标检测