[1]陈文飞,韩进杰,丁佳毅,等.SDE-YOLOv5:一种用于自动摘钩机器人的实时检测算法[J].机械与电子,2026,44(09):74-80.
　CHEN Wenfei,HAN Jinjie,DING Jiayi,et al.SDE YOLOv5:A Real time Detection Algorithm for Automatic Uncoupling Robots[J].Machinery & Electronics,2026,44(09):74-80.
点击复制

SDE-YOLOv5:一种用于自动摘钩机器人的实时检测算法()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
44
期数:
2026年09期
页码:
74-80
栏目:
机器人技术
出版日期:
2026-09-25

文章信息/Info

Title:
SDE YOLOv5:A Real time Detection Algorithm for Automatic Uncoupling Robots
文章编号:
1001-2257(2026)09-0074-07
作者:
陈文飞1; 韩进杰1; 丁佳毅2; 万书亭2
1.甘肃电投常乐发电有限责任公司发电部,甘肃 酒泉 736100;
2.华北电力大学河北省电力机械装备健康维护与失效预防重点实验室,河北 保定 071003
Author(s):
CHEN Wenfei1; HAN Jinjie1; DING Jiayi2; WAN Shuting2
(1.Power Generation Department,Gansu Power Investment Changle Power Generation Co.,Ltd.,Jiuquan 736100,China;
2.Hebei Key Laboratory of Electric Machinery Health Maintenance and Failure Prevention,North China ElectricPower University,Baoding 071003,China)
关键词:
自动摘钩机器人; 车钩; 目标检测; SDE-YOLOv5
Keywords:
automatic uncoupling robot; coupler; object detection; SDE-YOLOv5
分类号:
TP242;U291.4
文献标志码:
A
摘要:
在自动摘钩机器人对火车车钩进行检测和识别过程中,由于受到局部遮挡、强光照、灰尘和雨雪等环境因素干扰,会出现车钩关键特征减少甚至识别错误的情况。针对这一问题,提出了一种SDE-YOLOv5模型用于复杂环境下的车钩检测。首先,在YOLO 的基础网络模型中引入SwinTransformer网络,增强对车钩信息的全局感知能力;然后,在颈部网络中引入重参数化模块DBB,使模型更好地适应不同的输入和环境条件;最后,采用解耦头检测方法,可以更好地区分不同类型的车钩。实验结果表明,在自建的车钩数据集下,SDE-YOLOv5模型在保持模型空间复杂度的同时,mAP值达到了96.8%。消融实验表明,改进后的网络模型在检测精度方面提高了5.4%,具有出色的识别性能。
Abstract:
In the process of detecting and recognizing train couplers using automatic uncoupling robots, environmental interferences such as partial occlusion,intense illumination,dust,rain and snow,can lead to the loss of critical coupler features or even misrecognition.To address this issue,we propose an SDE-YOLOv5 model for coupler detection under complex conditions.First,the Swin Transformer module is incorporated into the backbone network of YOLOv5 to enhance global perception of coupler information.Second,a re-parameterization module DBB (diverse branch block) is introduced into the neck network,enabling the model to better adapt to varying inputs and environmental conditions.Finally,a decoupled detection head is adopted to improve differentiation among different coupler types.Experimental results on our self constructed coupler dataset demonstrate that the improved SDE-YOLOv5 algorithm achieves a mAP value of 96.8% while maintaining model spatial complexity.Ablation studies show that the improved network increases detection accuracy by 5.4%,exhibiting superior recognition performance.

参考文献/References:

[1] 刘汉刚.大型底开门火车卸煤系统设计[J].煤炭工程,2016,48(4):33-35.

[2] 原培新,蔡炟,曹文伟,等.基于双目立体视觉的列车目标识别和测距技术[J].东北大学学报(自然科学版),2022,43(3):335-343.
[3] 丁汉.共融机器人的基础理论和关键技术[J].机器人产业,2016(6):12-17.
[4] 倪何军,朱宇超,柴成林,等.翻车机敞车自动摘钩分析和应用[J].港口科技,2021(2):38-42.
[5] 李志康.敞车摘钩机器人关键技术研究[D].济南:山东交通学院,2023.
[6] 曹文伟.基于ROS的铁路列车编组驼峰工位自动摘钩机器人应用研究[D].沈阳:东北大学,2021.
[7] 郭忠峰,张渊博,王赫莹,等.深度学习目标检测算法在货运列车车钩识别中的应用[J].铁道科学与工程学报,2020,17(10):2479-2484.
[8] 张渊博.铁路自动摘钩机器人设计及车钩视觉检测[D].沈阳:沈阳工业大学,2020.
[9] 郝帅,张旭,马旭,等.基于CBAM-YOLOv5的煤矿输送带异物检测[J].煤炭学报,2022,47(11):4147-4156.
[10] 王巍,赵宽,杨耀权,等.基于CSwin的航拍光伏组件红外图像热斑检测方法[J].太阳能学报,2023,44(10):142-147.
[11] 赵鹏飞,钱孟波,周凯琪,等.改进YOLOv7-Tiny农田环境下甜椒果实检测[J].计算机工程与应用,2023,59(15):329-340.
[12] Wu Yue,Chen Yinpeng,Yuan Lu,et al.Rethinking classification and localization for object detection[C]∥2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).New York:IEEE,2020:10183-10192.
[13] 孙泽强,陈炳才,崔晓博,等.融合频域注意力机制和解耦头的YOLOv5带钢表面缺陷检测[J].计算机应用,2023,43(1):242-249.
[14] 芮雪,王娜.改进YOLOV8网络的小目标识别算法研究[J].机械与电子,2026,44(3):41-46.
[15] 王高伟,杨飞,杨成林,等.基于 YOLOv11 的焊缝识别跟踪算法研究[J].机械与电子,2026,44(1):65-71.

相似文献/References:

[1]刘 爽,黄 宇.基于深度学习的车钩碰撞等效代理模型研究[J].机械与电子,2026,44(08):10.
　LIU Shuang,HUANG Yu.Research on Deep Learning-based Equivalent Surrogate Model for Coupler Collision[J].Machinery & Electronics,2026,44(09):10.

备注/Memo

备注/Memo:
收稿日期:2026-07-12
作者简介:陈文飞 (1988-),男,甘肃酒泉人,工程师,研究方向为火力发电厂输煤系统翻车机、斗轮机自动化技术;韩进杰 (1992-),男,甘肃白银人,助理工程师,研究方向为电厂输煤区域全过程智能监控技术;万书亭 (1970-),男,山西长治人,教授,研究方向为燃煤电站智慧化燃煤输送与存储。
更新日期/Last Update: 2026-10-13