基于目标检测网络的轮对踏面缺陷检测方法

作     者：张力 黄丹平 廖世鹏 于少东 叶建秋 王鑫 董娜 Zhang Li;Huang Danping;Liao Shipeng;Yu Shaodong;Ye Jianqiu;Wang Xin;Dong Na

作者机构：四川轻化工大学机械工程学院四川宜宾644000 中国科学院成都计算机应用研究所四川成都610041 四川大学机械工程学院四川成都610065 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2021年第58卷第4期

页      面：236-245页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年基金(51704199,51303115) 四川省科技厅重点研发项目(2019YFG0167) 

主　　题：图像处理 轮对踏面 缺陷检测 深度学习 SSD网络 YOLOv3网络 

摘      要：针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。