集成电路应用杂志社

摘要：阐述针对城市轨道交通领域地铁维修工具的精确管理，提出一种基于改进YOLOv5s算法的检测模型。该模型引入ConvNext模块以增强特征提取，并在卷积层中集成SPPCSPC＿group模块，通过空间与通道金字塔池化机制提升多尺度特征融合。优化的SIOU Loss损失函数进一步提高了识别精度。实验结果表明，改进模型在mAP0.5指标上达到0.953的准确率，较原始模型提升8%。该模型在保持轻量化的同时，实现了高检测精度和快速处理速度，有效满足了实时工具识别与分类需求。

关键词： 计算机视觉;目标检测;YOLOv5;金字塔池化;

DOI： 10.19339/j.issn.1674-2583.2025.07.017

专辑： 信息科技;工程科技Ⅱ辑

专题： 铁路运输;计算机软件及计算机应用;自动化技术

分类号： U231.94;TP183;TP391.41