无砟道床表观伤损智能识别算法研究

摘要：

为提高无砟道床表观伤损检测系统的检测精度和准确率,提出了一种多尺度多任务的伤损智能识别算法.采用特征图L1范数准则对ResNet网络的冗余卷积核进行压缩剪枝,以降低模型计算量和存储空间.通过采集的图像构建样本库,利用像素级语义分割算法,以优化后的ResNet网络为编码网络,以PPM网络为解码网络,搭建编码-解码深度学习架构模型,并通过测试集试验和现场试验对模型进行验证.结果表明,该模型对2000张测试图像的识别准确率为95.6％,无砟道床表观伤损现场检出率为96.4％,检测效果良好.该模型可以实现对无砟道床表观伤损的自动化检测、伤损趋势分析和状态评定.

关键词：无砟道床、表观伤损、深度学习、智能识别、语义分割

所属期刊栏目：62

分类号：TP391;U216.3(计算技术、计算机技术)

资助基金：中国铁道科学研究院集团有限公司基金2019YJ035

在线出版日期：2022-05-13（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：22-26,63