基于改进YOLOX的地铁列车焊接质量检测

摘要：

车体作为地铁列车的主要承载结构,主要依靠数量庞大的基础件组焊而成,其在列车运行中承受着巨大的冲击载荷,因此对焊接质量提出了更高的要求.实际焊接过程中焊接工艺复杂、焊接技术不一,导致了焊接缺陷的产生.焊接缺陷会降低车体的强度和刚度,危害地铁列车的运行安全.现有的焊接质量检测技术存在智能化水平不高、检测效率低的问题.针对上述问题,提出一种基于改进YOLOX的列车车体焊接质量智能检测方法.首先,利用相控阵超声波检测仪采集焊缝缺陷图像,制作焊接缺陷数据集.然后,为提高YOLOX的检测性能,弥补YOLOX在检测精度和速度方面的不足,引入了跨阶段分部网络(Cross-stage Partial Dark Network,CSPDarkNet)、密集连接网络(Densely Connected Network,DCN)、加权双向金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)和自适应空间融合网络(Adaptively Spatial Feature Fusion,ASFF),建立基于改进的YOLOX的地铁列车车体焊接质量检测模型,提高了焊缝缺陷特征提取和多尺度特征融合的能力.最后,利用改进的YOLOX模型对焊接缺陷数据集进行训练和测试,通过实验验证所提方法的有效性和可行性.实验结果表明,改进的YOLOX模型对于焊接缺陷的检测精度达到97.30％,检测速度达到78.4 fps,与主流检测网络Faster R-CNN和YOLO V5相比,在检测精度和检测速度方面具有更大的优势.研究成果能够满足地铁列车焊接质量检测的需求,实现焊接缺陷的智能检测和缺陷类型的智能判断.

关键词：地铁列车、焊接缺陷、无损检测、相控阵超声波检测、深度学习

所属期刊栏目：20

分类号：U279.4(车辆工程)

资助基金：国家自然科学基金;广西创新驱动发展专项项目

在线出版日期：2023-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3998-4007