基于目标检测网络的轮对踏面缺陷检测技术方法

简介：
本研究提出了一种基于目标检测网络的创新方法，专门用于铁路车辆轮对踏面缺陷的自动检测，旨在提高检测精度与效率。 为了应对传统图像处理算法在快速准确识别轮对踏面缺陷方面的局限性,本段落提出了一种基于双深度神经网络的检测方法。此方案包含两个独立的部分：踏面提取网络以及缺陷识别网络。 针对踏面这一大目标特征，通过分析和测试SSD（Single Shot MultiBox Detector）模型发现其在提取轮对图像中的踏面区域时表现最为出色，精度均值(AP)达到99.8%。基于此，在成功获取到踏面后，为了进一步提高缺陷识别的效率，并考虑到踏面上的小目标特性，我们优化了YOLOv3（You Only Look Once）网络结构从而得到了M-YOLOv3。 实验结果显示：使用SSD算法提取轮对图像中的踏面区域时精度均值AP最高为99.8%；而在进行缺陷识别阶段，相较于原始的YOLOv3模型，优化后的M-YOLOv3不仅在计算速度上有所提升（单张图片处理时间减少7.1%），而且检测准确率也依然保持高水平（AP达到89.9%，仅损失0.6%）。 综上所述，该算法展现出了较高的缺陷识别准确性。