原文传递
基于深度学习的城轨车辆轮对踏面检测技术研究
| 论文题名： | 基于深度学习的城轨车辆轮对踏面检测技术研究 |
| 关键词： | 轮对踏面损伤检测;DCGAN图像生成;图像融合;YOLOv3目标检测 |
| 摘要： | 随着城市轨道交通的快速发展，列车运行安全受到更为普遍的关注。轮对是列车走行部的关键装置，当车辆运行条件变差或者紧急制动时，列车在轨道上产生剧烈地滑动摩擦、冲撞，导致踏面出现擦伤、剥离、划痕等损伤。针对轮对踏面损伤的检测，本文实现一种基于图像的非接触式检测方法，利用深度学习目标检测原理研究踏面损伤识别与定位。主要内容如下： 首先，针对轮对踏面损伤的样本数量不足问题，提出了基于数据增强和深度卷积对抗生成网络（DCGAN）的样本扩充方法，建立了轮对踏面损伤数据集。首先利用改进后的DCGAN生成损伤区域，然后将生成的损伤图像融合到轮对踏面区域，利用加权泊松融合技术实现融合边缘的平滑过渡。最后通过实验证明该方法有效地实现了数据集的扩充。 然后，针对传统的轮对踏面检测技术无法实现损伤自动分类和精确定位的问题，本文改进了YOLOv3进行踏面损伤检测。首先根据检测目标的特点对网络结构进行优化，利用公开的COCO数据集对模型进行预训练，然后在本文建立的轮对踏面损伤数据集上进行迁移学习。最终实现了四种踏面损伤类型的分类检测，平均精确率mAP（meanAveagePercision，mAP）值为91.66%。 最后，完成了轮对踏面检测系统的设计以及现场安装调试。同时通过实验证明本文提出的踏面损伤数据集扩充方法以及基于改进YOLOv3损伤识别与分类算法的有效性。并与传统基于图像处理的检测方法做对比，实验结果表明改进后YOLOv3在保持检测速度的同时，提高了识别精度，满足系统要求。 |
| 作者： | 牛福娟 |
| 专业： | 控制工程 |
| 导师： | 邢宗义 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
