%0 Journal Article
%A 吕涂
%A 周航
%A 张一凡
%A 陈业泓
%A 王慧
%T 基于两阶段视觉检测的动车螺栓缺陷识别算法
%D 2026
%R 10.11860/j.issn.1673-0291.20250053
%J 星空电竞app2026最新版学报
%P 153-164
%V 50
%N 2
%X <p>针对动车组运行状态图像检测中转向架精密部件缺陷识别需求，提出一种结合模板匹配与改进YOLOv5的转向架螺栓松动与丢失的识别算法.该算法首先进行转向架提取，通过双线性插值缩小图像尺寸以显著减少计算量，并采用归一化相关系数模板匹配在缩小图像上保持高精度的目标定位；然后进行缺陷识别，使用改进YOLOv5模型.针对缺陷识别任务，模型改进主要包括三方面：一是针对模型参数量大、计算开销高的问题，引入跨尺度特征融合模块（CNN-based Cross-scale Feature-fusion Module，CCFM）替代路径聚合网络（Path Aggregation Network，PANet）精简参数量和模型大小；二是针对数据集中微小目标的检测需求，增设小目标检测层强化微小缺陷捕捉能力；三是为解决特征感知范围不足的问题，在浅层网络嵌入大型选择性卷积核（Large Selective Kernel，LSK）扩展特征感知范围，提高检测精度.最后，对算法的转向架提取效率与缺陷识别性能进行实验验证.实验结果表明：在转向架提取阶段，缩小图像后的模板匹配平均处理时间由929.58 ms/张降至74.87 ms/张，缩短约92%；在缺陷识别阶段，相较于基准模型在IoU阈值0.5和0.5~0.95下的平均精度均值（mean Average Precision，mAP）为89.1%和43.1%，改进模型在参数量减少约23%的情况下分别提升至91.5%和46.2%，提高了2.4%和3.1%.该方法有效提升了动车组精密部件的检测效率和准确性，为动车组的安全运维提供了技术参考.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250053