摘要 : 针对钢轨表面缺陷区域与背景区域特征相似特性导致的模型检测性能下降问题,本文研究高实时性轻量级目标检测网络 YOLOv8n,提出一种基于 YOLO 的多模态钢轨表面缺陷检测算法 RailBiModal-YOLO.改进YOLOv8n模型:构建双流主干网络结构并行提取多尺度深度... 展开
| 作者 | 孙铁强 魏光辉 宋超 肖鹏程 |
|---|---|
| 作者单位 | |
| 英文名称 | Multi-modal rail surface defect detection method based on YOLO |
| 期刊名称 | 《电子测量技术 》 |
| 期刊英文名称 | 《Electronic Measurement Technology》 |
| 页码/总页数 | 72-81 / 10 |
| 语种/中图分类号 | 汉语 / TP391.41 TN911.73 |
| 关键词 | YOLOv8n 缺陷检测 多模态 RGB-D 特征融合 深度学习 |
| DOI | 10.19651/j.cnki.emt.2416724 |
| 基金项目 | 河北省"三三三人才工程"项目(A202102002)、河北省创新能力提升计划(23561007D)、2023年唐山市重点研发项目(23140204A)资助 |
| 收录情况 | BDHX CSTPCD |
| 机标主题词 / 分类号 | 钢轨;多模态控制;表面缺陷检测 / TG142;TP11;TG115.28 |
