一种基于MFGA-YOLO模型的铁路轨道缺陷检测方法

AITNT
正文
推荐专利
一种基于MFGA-YOLO模型的铁路轨道缺陷检测方法
申请号:CN202510265939
申请日期:2025-03-07
公开号:CN120298307A
公开日期:2025-07-11
类型:发明专利
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
1
一种基于频域解耦与边缘信息融合的伪装动物检测方法
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
2
一种基于NV色心的缺陷检测方法及设备
金刚石NV色心 缺陷检测方法 电信号 滤波去噪 荧光
3
一种基于深度学习的表面缺陷检测方法及系统
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
4
一种基于机器视觉的帘子布生产缺陷检测方法
缺陷检测方法 连续性 视觉 深度学习分类模型 对比度
5
一种适用于雨雾条件的深度学习飞机蒙皮损伤检测方法
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号