鉄道線路欠陥検出のためのリアルタイムかつ高精度なマルチスケール特徴量融合によるYOLOv8nの改良

科学分野:

• 人工知能
• コンピュータビジョン
• 鉄道工学

背景:

• 鉄道輸送は移動にとって不可欠ですが、線路の欠陥は安全性と効率性に重大な懸念をもたらします。
• 従来の線路欠陥検出方法は、精度、効率性、および複雑な環境への適応性が欠けています。

研究 の 目的:

• 改良されたYOLOv8アルゴリズムを使用した鉄道線路用の強化された欠陥検出フレームワークを開発すること。
• 線路欠陥識別のための小ターゲットおよび複雑な背景の検出の課題に対処すること。

主な方法:

• スケール適応性のための可変畳み込みカーネルを備えたAVCStemモジュールの統合。
• 特徴量保持のためのマルチスケールプーリングとアテンションを備えたADSPPFモジュールの組み込み。
• 部分畳み込みを使用した強化されたマルチスケール特徴量融合のためのMSFモジュールの実装。

主要な成果:

• 実世界のデータセットで90.2%の検出精度と90.2%のmAP@0.5を達成しました。
• モデルサイズは5.2MB、パラメータ数は2.45Mに削減され、効率性を示しました。
• 比較研究において、既存の軽量検出器よりも優れた性能を示しました。

結論:

• 提案されたAIモデルは、リアルタイムの鉄道線路欠陥検出のための堅牢で正確かつ効率的なソリューションを提供します。
• 軽量で効果的なモデルは、エッジAIデバイスおよびモバイル検査ロボットへの展開に適しています。
• この進歩は、従来の検査技術の限界に対処し、鉄道の安全性とメンテナンスを向上させます。