基于YOLO-v5的双块式轨枕裂缝智能识别

轨枕正常工作是高速铁路安全运营的重要保障,开展轨枕裂缝的损伤检测研究意义重大.建立YOLO-v5裂缝目标检测模型,将计算机视觉技术应用于双块式轨枕裂缝的智能识别研究.通过图像标注、参数选取、模型构建、模型训练及模型预测等步骤完成轨枕裂缝目标检测试验,研究结果表明:YOLO-v5目标检测模型参数选取合理,模型训练结果准确,无过拟合或欠拟合现象发生;轨枕裂缝目标检测模型的识别正确率为98.35％,mAP值为48.72％,Recall值为90.32％,单张图片识别速度为0.01 s,说明模型预测结果可满足实际工程对精度和实时性的要求;通过对正常光照、暗光线及微裂纹等不同条件下裂缝的识别,YOLO-v5目标检测模型表现出高精度智能识别,体现了模型良好的泛化能力和鲁棒性,说明模型可以满足实际工程复杂工况的需求.