原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
第40卷第7期算机仿真2023年7月
文章编号：1006-9348（2023)07-0109-05
改进的YOLOv4高铁接触网部件缺陷检测
胡浩泽，田昊*，于重重，黄水珍
（北京工商大学人工智能学院，北京100048）
摘要：接触网是高铁供电系统中的重要一环，接触网中关键部件的缺陷检测，是保证高铁安全运行的关键。针对接触网关键
部件缺陷检测困难的问题，提出一种改进YOLOv4模型进行缺陷检测。首先对YOLOv4基础模型做消融实验，选出最优策
略组合；其次对主干网络进行修改，在数据输人处多增加一个CSP块，减少残差网络的层数，使用LeakyReLU作为激活函
数；然后将YOLOv4中特征融合网络进行优化，使用FPN结构替换掉PANet结构，进一步减少参数量。实验结果表明，改进
后的模型大小减少了约90%，检测时间提高了近50%，检测精度可达84.1%。
关键词：接触网吊弦；缺陷检测；计算机视觉；深度学习
中图分类号：TP391.9文献标识码：B
DefectDetectionandRecognitionofKeyComponents
ofHigh-SpeedRailCatenaryBasedonImprovedYOLOv4
HUHao-ze,TIANHao*,YUChong-chong,HUANGShui-zhen
(SchoolofArtificialIntelligence,BeijingTechnologyandBusinessUniversity,Beijing100048,China)
ABSTRACT:Catenaryisanimportantlinkinthehigh-speedrailwaypowersupplysystem,andthedefectdetection
ofkeycomponentsinthecatenaryisthekeytoensurethesafeoperationofhigh-speedrailway.Aimingatthediffi-
cultyofdefectdetectionofkeycomponentsofcatenary,animprovedYOLOv4modelisproposedfordefectdetection.
Firstly,theablationexperimentofYOLOv4basicmodelwasconductedtoselecttheoptimalstrategycombination.
Second,themainnetworkwasmodifiedtoaddonemoreCSPblockatthedatainputtoreducethenumberofresidual
networklayers,andLeakyReLUwasusedastheactivationfunction.Then,thefeaturefusionnetworkinYOLOv4was
optimizedandthePANetstructurewasreplacedbytheFPNstructuretofurtherreducethenumberofparameters.Ex-
perimentalresultsshowthatthesizeoftheimprovedmodelisreducedby90%,thedetectiontimeisincreasedby
nearly50%,andthedetectionaccuracycanreach84.1%.
文档评论（0）