-
题名基于级联网络的钢轨顶面缺陷检测方法研究
被引量：1
- 1
-
-
作者
张晓宇
李立明
柴晓冬
郑树彬
汪晨曦
-
机构
上海工程技术大学城市轨道交通学院
-
出处
《铁道标准设计》
北大核心
2023年第3期90-97,共8页
-
基金
国家自然科学基金项目(51975347,51907117)
上海工程技术大学研究生创新项目(20KY1006)。
-
文摘
长期的高速行驶会引起车辆振动,使钢轨顶面形成孔洞、擦伤和疤痕等各种缺陷,这些缺陷不仅会影响钢轨顶面的外观,还会对钢轨的性能和安全性产生长期不利影响。针对钢轨顶面缺陷类型多变、背景杂乱、对比度低、噪声干扰等因素影响,提出一种基于级联网络的钢轨顶面缺陷检测方法。利用图像垂直微分投影法分割出钢轨顶面区域,在此基础上使用级联网络对钢轨顶面上的疤痕缺陷进行检测。其中,为更好地优化缺陷特征细节,在特征提取阶段引入轻量级的卷积注意力机制模块;采用信道加权模块与残差解码器模块相结合的方式进行缺陷特征恢复;为得到边缘清晰的缺陷对象,在特征恢复之后设计了一个边界精细化网络结构。实验结果表明,该方法的平均绝对误差仅为0.0012,AUC值达到0.9935,单张图片平均检测速度仅为0.041 s,对于Ⅰ型和Ⅱ型钢轨顶面疤痕缺陷的检测精度分别达到98.6%和96.4%。利用该深度学习网络模型能较好地检测出钢轨顶面的疤痕缺陷,具有较高的工程实用价值。
-
关键词
钢轨顶面缺陷检测
级联网络
深度学习
投影法
注意力机制
边界精细化
图像处理
-
Keywords
steel rail top surface defect detection
cascade network
deep learning
projection method
attention mechanism
boundary refinement
image processing
-
分类号
U216.3
[交通运输工程—道路与铁道工程]
-
