基于集成深度学习的钢轨表面伤损精细化分割

摘要：

研究目的:钢轨表面伤损分割是铁路工务巡检的重要内容.为应对轨面伤损未及时发现导致安全事故发生的难题,解决传统检测方法适用性受限的问题,本文提出一个集成多种深度学习模型的伤损自动化分割算法,为钢轨表面伤损的识别、分析和处理提供一个精准且高效的解决方案.研究结论:(1)提出了一种集成目标检测和语义分割的深度学习算法,实现了针对钢轨表面伤损特征的高效识别与精准分割;(2)实践结果表明,本文算法与现有的几种深度学习模型相比精度更高,准确度和平均交并比分别达到99.56％和83.89％;(3)本文算法能够精细化地区分钢轨伤损和背景的模糊边界,减少数据冗余,加快分割效率,对多尺度伤损目标的分割准确性高,研究结论可为铁路工务部门的自动化检维提供理论指导.

关键词：钢轨表面伤损、深度学习、图像分割、铁路工务

所属期刊栏目：40

分类号：U291.69(铁路运输管理工程)

资助基金：国家自然科学基金;高速铁路基础研究联合基金项目

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：27-32,39