原文传递
基于改进Faster R-CNN的车轮踏面缺陷检测
| 题名： | 基于改进Faster R-CNN的车轮踏面缺陷检测 |
| 作者： | 郑茹丹;李金龙;张渝;高晓蓉 |
| 作者单位： | 西南交通大学物理科学与技术学院 |
| 关键词： | 神经网络;FasterR-CNN5车轮踏面;细小缺陷检测 |
| 摘要： | 车轮踏面缺陷是影响列车轮对正常工作的重要因素,目前主流的检测方式为人工或半自动检测,耗时长、效率差、精度低,提高检测效率和精度、及时获取踏面缺陷信息对保障列车正常运行具有重要意义。针对现有神经网络算法难以检测细小缺陷的问题,提出改进FasterR-CNN的检测方法,改进了基于候选框大小与IOU的评估方法,并优化了相关部位的损失函数以适应不同尺度的缺陷检测,抑制了高亮度区域。实验结果表明,该方法能够有效对车轮踏面细小缺陷进行检测并准确定位,通过与FasterR-CNN和YOLOV3网络比较可见,提出方法的检测精度明显提高,同时保证了一定的召回率与检测速度。 |
| 期刊名称： | 中国铁路 |
| 出版年： | 2021 |
| 期： | 03 |
| 页码： | 131-135 |
检索历史
应用推荐
