10.19713/j.cnki.43-1423/u.T20200441
基于深度学习的高铁接触网顶紧螺栓的缺陷检测
针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法.根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别.为满足实际工程的速度需求,对训练好的模型进行优化.实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps.
顶紧螺栓、缺陷检测、SSD、TDM、语义分割
18
U225.42;TP391.4(电气化铁路)
国家自然科学基金资助项目51707060
2021-04-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
605-614