yolo算法钢轨缺陷检测
案例介绍
详细功能：基于改进 YOLOv8 实现六类钢轨缺陷（裂纹、磨损、剥离、掉块、弹性夹断裂、鱼尾板异常）的单图/视频/摄像头实时检测；引入 CBAM 注意力与 Focal-SIoU 损失，增强小目标特征，mAP@0.5 达 93.2%；融合 SPD-Conv 与 P2 检测层，将模型压缩至 30 MB，单帧推理 32 ms，Jetson Xavier 实测 162 FPS；提供 PyQt5 图形界面、Flask HTTP API、Docker 镜像与 Jetson 边缘盒子三端部署，支持在线 OTA 升级、结果热力图、Excel 统计导出，满足地铁天窗点与高铁日间巡检场景。
我的角色：算法+部署全栈负责人，主导数据增强、模型改进、TensorRT 加速、边缘设备适配及现场测试，已交付两条地铁线路实际使用，替代 60% 人工巡检工作量。
yolo算法钢轨缺陷检测
案例介绍
作品：钢轨表面缺陷实时检测系统（YOLOv8）
详细功能：基于改进 YOLOv8 实现六类钢轨缺陷（裂纹、磨损、剥离、掉块、弹性夹断裂、鱼尾板异常）的单图/视频/摄像头实时检测；引入 CBAM 注意力与 Focal-SIoU 损失，增强小目标特征，mAP@0.5 达 93.2%；融合 SPD-Conv 与 P2 检测层，将模型压缩至 30 MB，单帧推理 32 ms，Jetson Xavier 实测 162 FPS；提供 PyQt5 图形界面、Flask HTTP API、Docker 镜像与 Jetson 边缘盒子三端部署，支持在线 OTA 升级、结果热力图、Excel 统计导出，满足地铁天窗点与高铁日间巡检场景。
我的角色：算法+部署全栈负责人，主导数据增强、模型改进、TensorRT 加速、边缘设备适配及现场测试，已交付两条地铁线路实际使用，替代 60% 人工巡检工作量。
案例图片
相似案例推荐
-
MDM移动终端管理系统
一、产品规划与需求定义 企业需求调研：深度访谈IT管理员、
-
政企集成指挥平台
一、产品规划与需求管理 需求调研与分析：深入交警科技科、事
-
AI自律助手（闲来无事随手作品）
1. 项目背景 FocusAvatar 是一款专为提升个人
-
網頁滑動驗證碼識別與解開
同樣使用yolov5與python爬蟲，這個項目是我自己想搶
-
时间序列预测
功率预测项目围绕光伏、风电等新能源场景，聚焦短期（分钟级至小
-
时间异常检测
面对光伏系统的故障诊断，项目聚焦光伏阵列（组件、逆变器、汇流
1小时精推人才
需求方专属客服，免费梳理匹配
