一种基于CSE-YOLO-V11的铁轨B显图像识别方法

本发明公开了一种基于网络的铁轨B显图像识别方法，属于铁路轨道探伤和深度学习领域，并包括：1获取钢轨B显图像，将B显图像划分为轨端、轨头核伤、正常螺孔、异常螺孔和导线孔五类标签，对小样本类别进行数据增强后构建数据集；2将数据集放入模型中进行训练，在模型中嵌入注意力模块，通过通道重校准增强对关键特征的感知能力，提高小目标伤损的检测精度；3针对高宽比极端的瘦长目标，采用EIoU损失函数优化边界框回归，显著提升模型在复杂形态下的定位精度和收敛速度。本发明能有效识别轨头核伤、异常螺孔等细微缺陷，降低漏检率与误检率，实现B显图像的智能识别与自动化分析，大幅减少人工依赖，提高检测效率与铁路运行安全性。