摘要
本发明公开了一种基于MFGA‑YOLO模型的铁路轨道缺陷检测方法,包括以下步骤:将含有铁路轨道缺陷图像的数据集输入到MFGA‑YOLO模型进行训练,训练完整后,将采集到的铁路轨道缺陷图像输入到MFGA‑YOLO模型中检测铁路轨道缺陷,并输出缺陷检测结果;本发明基于YOLO11N架构,通过混合聚合网络以整合多尺度特征、快速卷积门控单元加速计算并保持精度、自适应细粒度通道注意力聚焦关键区域以及Wise‑ShapeIoU损失函数精确评估目标匹配,从而显著提升了检测性能。将待检测的图片输入模型中检测铁路轨道,提升了检测效率的同时极大地降低了人工检测的成本。
技术关键词
YOLO模型
缺陷检测方法
通道注意力机制
检测铁路轨道
颈部结构
缩放模块
铁路轨道扣件
卷积模块
缺陷检测系统
深度学习框架
数据
图像采集模块
多尺度特征
缩放参数
网络
旁路
系统为您推荐了相关专利信息
动物检测方法
定位特征
高频特征
融合深度神经网络
融合特征
金刚石NV色心
缺陷检测方法
电信号
滤波去噪
荧光
工业产品图像
表面缺陷检测方法
注意力
网络模块
融合特征
缺陷检测方法
连续性
视觉
深度学习分类模型
对比度
飞机蒙皮
损伤检测方法
全局平均池化
通道注意力机制
原始图像数据