10.3969/j.issn.1001-8360.2019.08.009
基于深度学习的铁路关键部件缺陷检测研究
关键部件缺陷图像自动检测对于复兴号动车组运营维护意义重大,但目前主要依靠专业人员对检测图像进行分析,耗费大量人力、物力,造成检测周期长,检测准确率无法保证.提出一种结合部件检测与缺陷分类流程的双通道缺陷检测框架MCDDF(Multi-channel Defect Detection Framework),部件检测通道基于目标检测算法实现动车组关键部件定位,定位后的关键部件经裁剪进行超分辨率提升,传入缺陷分类通道基于迁移学习方法实现缺陷类别的准确分类,结合两通道信息实现缺陷检测任务.实验分析两通道的性能提升方法,对比MCDDF与传统基于目标检测方法在铁路关键部件缺陷图像上的检测效果,验证了MCDDF方法的有效性.
缺陷检测、卷积神经网络、目标检测、缺陷分类、图像超分辨率
41
TP391(计算技术、计算机技术)
国家重点研发计划2018YFB1201403;中国铁路总公司科技研究开发计划2017J003-D
2019-10-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
67-73