%0 Journal Article
%A 刘二林
%A 李涛
%A 冯海照
%T 基于改进FasterNet和YOLOv8s的轨道扣件缺陷快速检测方法
%D 2025
%R 10.11860/j.issn.1673-0291.20250014
%J 星空电竞app2026最新版学报
%P 64-74
%V 49
%N 6
%X <p>针对轨道扣件缺陷特征复杂且多样，传统检测方法存在效率低下和漏检率高的问题，基于YOLOv8s网络提出一种轻量级轨道扣件检测模型FPSI-YOLOv8s.首先，为降低模型复杂度，采用速度更快、参数量更小的FasterNet网络替代YOLOv8s中的CSPDarkNet53主干网络进行扣件缺陷特征提取；其次，采用位置感知循环卷积对YOLOv8s颈部的C2f模块进行重新设计，命名为FasterBlock，以实现多尺度特征融合与模型轻量化；再次，在SPPF层后引入空间分组增强（Spatial Group-wise Enhance，SGE）注意力机制，增强模型对扣件缺陷特征的敏感度，防止检测精度大幅下降；最后，使用Inner-IoU损失函数替代CIoU损失函数，加强模型对不同尺度和形状目标的检测能力，通过精细化的质量评估和梯度增益策略，增强模型的鲁棒性.实验结果表明：改进后的模型在仅损失0.7%检测精度的情况下，模型大小降低了29.78%，计算量和参数量分别减少了29.93%和30.46%，能够在保持较高精度的同时实现轻量化和提升运行效率，在轨道扣件的快速巡检领域具有良好的应用前景.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250014