基于改进YOLOv2的动车组裙板螺栓检测

摘要：

目前,动车组运行故障图像检测系统(TEDS)采集的动车组关键部位图像主要由人工判别,为提高裙板螺栓检测效率,提出一种基于改进YOLOv2的运行动车组裙板螺栓丢失检测方法.首先,通过K-Means聚类分析待检测螺栓区域目标框尺寸;其次,针对目标区域尺寸相似且较小的情况,在单尺度检测的YOLOv2模型中增加Spa-tial Pyramid Pooling(SPP)层,提高目标感知能力;最后,在动车组裙板螺栓数据集上,将改进前后的算法实验效果进行对比.结果表明,改进的YOLOv2-SPP平均精度均值从94.12％提升至95.83％,在单张2080Ti显卡上,检测速度达到73.6FPS,是同等环境下YOLOv3检测速度的2.5倍,YOLOv4的3.3倍,可快速准确检测出运行动车组中的裙板螺栓及螺栓丢失区域,减少分析员识别压力.

关键词：动车组;裙板;螺栓检测;YOLOv2;K-Means;SPP

所属期刊栏目：66

分类号：TP183;U269(自动化基础理论)

资助基金：国家重点研发计划2016YFB1200402

在线出版日期：2022-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：161-166