山东大学学报(工学版)

作者：赵峰,刘瑞,王英,陈小强,葛磊蛟,马爱平

单位：1.兰州交通大学自动化与电气工程学院, 甘肃 兰州 730070;2.天津大学电气自动化与信息工程学院, 天津 300072;3.中国铁路兰州局集团有限公司, 甘肃 兰州 730070

关键词：YOLOv8n,接触网吊弦,动态上采样,注意力机制,旋转目标检测,

基金：国家自然科学基金资助项目(52367009)

针对高速铁路接触网中因吊弦松弛、断裂严重影响列车正常运行的问题,提出一种基于YOLOv8n的多尺度动态旋转(multi-scale dynamic rotation YOLOv8n, MDR-YOLOv8n)算法,用于检测吊弦的异常状态。通过高速铁路接触网4C检测系统获取高清吊弦图像,进行图像扩充;设计一种卷积局部注意力机制(convolutional local attention version 2, CloAttV2)并嵌入跨阶段部分融合(cross stage partial fusion, C2f)主干网络,通过轴向自适应池化与动态稀疏注意力门控协同作用,强化全局与局部特征融合,增强对吊弦关键特征的捕捉能力;设计一种含自校正机制的多尺度特征融合轻量化动态上采样模块,通过自适应调整特征图的采样权重,有效利用上下文语义信息,降低模型参数量,显著提升抗干扰能力;设计面向旋转框的任务对齐动态检测头(oriented bounding box-task align dynamic detection head, OBB-TADDH),采用任务对齐机制优化旋转目标定位效果,减少冗余信息,提高小目标检测能力。试验结果表明,MDR-YOLOv8n在置信度0.5下的平均精度较YOLOv8n模型提升3.7百分点,推理速度提升2.3百分点,在复杂环境下能保持较高的检测性能。MDR-YOLOv8n在检测精度、推理速度和轻量化方面能够优化平衡关系,为4C检测系统的智能升级提供新方案。

来源：2026年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第2期