基于YOLOv8改进的轨道交通受电弓电弧检测系统

1. 项目背景与核心挑战

接触网受电弓系统作为轨道交通供电的关键部件，其运行状态直接影响列车供电安全。受电弓与接触网间产生的异常电弧是早期故障的重要表征，传统人工巡检方式存在效率低、漏检率高的问题。我们团队基于计算机视觉技术开发的这套检测系统，主要解决三个核心痛点：

• 动态检测难题：列车运行时速300km条件下，受电弓与接触网相对位移达2-3米/秒，普通相机难以捕捉瞬态电弧
• 复杂背景干扰：车顶设备、绝缘子、支撑杆等固定结构在图像中形成大量相似特征
• 光照条件多变：隧道内外光照强度差异可达10^5 lux量级，逆光场景频繁出现

2. 技术方案设计思路

2.1 整体架构设计

采用"前端触发+后端分析"的双阶段架构：

mermaid复制graph TD
    A[4K HDR相机] --> B[FPGA预处理]
    B --> C{电弧触发?}
    C -->|Yes| D[YOLOv8-C3k2推理]
    C -->|No| A
    D --> E[HDRAB分类]
    E --> F[ROI精确定位]

2.2 关键技术创新点

2.2.1 YOLOv8-C3k2改进

• 将原C2f模块替换为C3k2结构，参数量减少18%的同时mAP提升2.3
• 改进后的特征融合路径：

python复制class C3k2(nn.Module):
    def __init__(self, c1, c2, n=1, shortcut=False):
        super().__init__()
        self.cv1 = Conv(c1, c2//2, 1, 1)
        self.cv2 = Conv(c1, c2//2, 1, 1)
        self.m = nn.Sequential(*(Bottleneck(c2//2, c2//2, shortcut) for _ in range(n)))
        self.cv3 = Conv(c2, c2, 1) if n > 1 else nn.Identity()
        
    def forward(self, x):
        return sel