摘要:
本文提出基于YOLO深度学习算法的轨道缺陷检测系统,通过构建专用数据集训练模型并开发图形化界面,实现自动化检测。系统支持图片、视频、摄像头及批量检测,具备实时参数显示、语音报警及数据导出功能。实验对比了YOLOv5/v8/v11/v12模型性能,其中YOLO12n精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。训练结果显示系统综合mAP@0.5达81.8%,F1值0.80,验证了方法的有效性。该系统为铁路巡检提供了一套高效、智能的解决方案。 阅读全文
本文提出基于YOLO深度学习算法的轨道缺陷检测系统,通过构建专用数据集训练模型并开发图形化界面,实现自动化检测。系统支持图片、视频、摄像头及批量检测,具备实时参数显示、语音报警及数据导出功能。实验对比了YOLOv5/v8/v11/v12模型性能,其中YOLO12n精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。训练结果显示系统综合mAP@0.5达81.8%,F1值0.80,验证了方法的有效性。该系统为铁路巡检提供了一套高效、智能的解决方案。 阅读全文
posted @ 2026-01-02 12:07
Coding茶水间
阅读(43)
评论(0)
推荐(0)

浙公网安备 33010602011771号