| 论文题目: | 基于改进YOLOv7和ConvNeXt的吊弦状态判识方法 |
|---|---|
| 第一作者: | 王文斌, 李瑞, 宋宗莹, 王勇, 曾杉 |
| 联系作者: | |
| 发表年度: | 2025 |
| 摘 要: | 无人机拍摄的铁路接触网图像背景复杂且吊弦形状细长,导致现有检测方法在接触网吊弦状态判识时常发生漏检和错检。为了准确判识无人机图像中吊弦缺陷,本文提出了一种基于改进YOLOv7和ConvNeXt的吊弦状态判识方法。首先,在吊弦定位阶段,通过特征分离模块和下采样过程中引入的CBAM注意力模块对YOLOv7进行改进,增强吊弦目标特征信息,并融入基于Wasserstein距离的边框损失提高对目标定位准确性。在吊弦状态分类阶段,吊弦所在区域图像会以高分辨率输入到ConvNeXt-T网络精细化分类来精准判识吊弦状态。在铁路接触网吊弦数据集上的实验表明,所提方法获得了97.74%的平均精度,相比基线方法提升4.37%,对吊弦缺陷判识准确率精度可达到97.25%,所提算法能准确地检测出无人机拍摄图像中吊弦松弛、断裂的异常状态,为无人机监控接触网吊弦状态提供重要的参考。 |
| 英文摘要: | |
| 刊物名称: | 燕山大学学报 |
| 全文链接: | |
| 论文类别: | CSCD |