基于机器视觉和卷积神经网络的轨道表面缺陷检测方法

摘要：

为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道表面形态分类器.采用8523张实拍轨道图像进行试验,试验结果为:单次检测时间27 ms、查准率为96.42％、召回率为92.21％,综合表现优于MLC、Inception-v3和Cropimagecnn三种方法.

关键词：轨道缺陷检测、机器视觉、深度学习、卷积神经网络、特征提取

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金51875232

在线出版日期：2021-06-07（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：101-107