基于改进YOLOv8s的铁路车站信号平面布置图信息提取方法OA北大核心CSTPCD

针对车站信号平面布置图在2次利用过程中,无法将不同设备图元转化为通用数据的问题,提出基于改进YOLOv8s的信息提取方法。首先,将空间和通道重建卷积(SCConv)与颈部网络中的C2f单元相结合,以降低特征图的冗余度,减少空间和通道维度上的重复信息,实现检测模型的轻量化;其次,在传统YOLOv8s模型的主干和颈部网络中引入高效多尺度注意力模块(EMA),以增强模型对图内设备周边上下文信息的获取能力;最后,将模型中的标准卷积层替换为具有更大感受野的注意力卷积(RFAConv),以解决卷积核参数共享所导致的特征提取限制。结果表明:所提方法的平均精度均值可达92.5%,相较于YOLOv8s算法提升6.6%;综合评价指标值达到91.7,且模型权重参数减少16%,优于大多数常规模型。该方法不仅能够高效地从图纸中提取信号设备的布局信息,还为自动生成联锁数据配置文件和提高联锁软件搭建效率提供了有效的技术手段。