鉄道架線検知のための最適化されたYOLOv11m

科学分野:

• コンピュータビジョン
• 人工知能
• 鉄道工学

背景:

• 高速鉄道の架線システムのリアルタイム欠陥検出は、安全性と保守にとって非常に重要です。
• 既存の物体検出モデル（例：YOLO）は、小さなコンポーネントや高い計算要求に課題を抱えています。
• 限界には、小さな部品（例：割りピン）の検出の難しさやプラットフォームの制約が含まれます。

研究 の 目的:

• 鉄道架線コンポーネントのリアルタイム検査のための最適化された物体検出モデルを開発すること。
• 既存のモデルが小さな物体を検出し、計算コストを管理する上での限界に対処すること。
• 自動欠陥検出のための軽量で正確なソリューションを提案すること。

主な方法:

• MSIM-YOLOv11mとして知られる最適化されたYOLOv11mモデルが開発されました。
• 3つの新しいモジュール：Large Separable Kernel Attention（LSKA）、Bidirectional Feature Pyramid Network（BiFPN）、Adaptive Kernel Convolution（AKConv）を統合しました。
• モデルは、欠陥検出性能のために専用の架線データセットで評価されました。

主要な成果:

• MSIM-YOLOv11mモデルは、mAP50-95で78.3%、小ターゲットAPで64.7%を達成しました。
• YOLOv9mモデルと比較して計算コストが50.5%削減されました。
• このモデルは、架線コンポーネント上の小サイズの欠陥検出に有効であることが証明されました。

結論:

• MSIM-YOLOv11mは、リアルタイム鉄道架線検査のための軽量で正確なソリューションを提供します。
• 提案されたモデルは、小さな物体検出と計算効率に関連する課題を効果的に克服します。
• この進歩は、自動視覚検査を通じた安全性と保守の強化をサポートします。