多传感器信息融合的铁路扣件缺陷检测方法
基于机器视觉的二维图像铁路扣件缺陷检测已经取代人工检测,提高了检测效率.但是,铁路扣件缺陷样本数量少且标注困难,以及检测结果受光照条件影响大等问题仍然是当前所面对的主要挑战.因此,提出一种多传感器信息融合的铁路扣件缺陷检测方法,采用结构光设备快速高效地采集铁路扣件的深度和强度信息,设计一种针对深度图的自适应定位分割方法,自动准确定位和分割深度图中的铁路扣件,并将定位分割参数与强度图融合,实现铁路扣件的定位分割;针对样本不均衡和样本标注效率低的问题,通过DCGAN扩充缺陷扣件样本的数量;设计了具有8个残差块共18层的ResNet神经网络,完成铁路扣件螺母缺失、弹条断裂和弹条缺失三种缺陷类别检测,并采集WJ-7类型铁路扣件样本设计了相关试验,验证结果表明,缺陷扣件检测平均准确率达到97.6%,满足工程应用的需求.
铁路扣件、缺陷检测、样本不平衡、深度学习
57
U216(铁路线路工程)
国家自然科学基金;国家基础科研资助项目
2022-04-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
38-46