改进了基于YOLOv7的算法,用于检测地铁车辆屋顶上的异物

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 运输安全运输安全

背景情况:

• 地铁车辆的车顶检查对于运营安全至关重要.
• 现有的异物检测方法在准确性和速度上可能有局限性.

研究的目的:

• 为地铁车辆屋顶开发一个改进的异物检测模型.
• 为了提高YOLOv7算法,在这个特定的应用中获得更好的性能.

主要方法:

• 开发了一个增强的YOLOv7模型 (YOLOv7-GBW),结合了幽灵模块,加权双向特征金字塔网络 (WBiFPN) 和智能交叉与联盟 (WIoU) 损失函数.
• 使用仓库入口和出口的线扫描摄像头创建了一个外来屋顶物体的数据集.
• 该模型在此数据集上进行了训练和评估.

主要成果:

• YOLOv7-GBW模型的检测准确率达到了90.29%.
• 该模型以每秒54.3 (fps) 的速度运行.
• 该算法的参数数量为1551万,性能优于主流算法.

结论:

• 拟议的YOLOv7-GBW方法对于检测地铁屋顶上的外来物体具有实用性和有效性.
• 对YOLOv7的改进显著提高了检测准确性,速度和效率.
• 这项技术符合确保地铁安全的严格要求.