基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法

• 作者: 刘晓光 赵欣欣 钱胜胜
• 来源期刊: 中国铁道科学
• 学科: 交通运输
• 关键词: 卷积神经网络 铁路桥梁 高强螺栓缺失 图像识别 通道注意力 空间注意力
• 年，卷（期）: 2018,（4）
• 页码范围: 56-62
• 页数: 7页
• 分类号: U448.13
• 字数: 4725字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4632.2018.04.09

摘要

为及时发现铁路桥梁高强螺栓偶发的延迟断裂并补充新螺栓,降低铁路桥梁连接失效风险,开展基于卷积神经网络的桥梁高强螺栓缺失图像识别方法研究.该识别方法的主网络由5个卷积层、5个最大值池化层和2个全连接层的卷积神经网络组成.提出在主网络上附加通道和空间混合注意力子网络,分别对不同输入图像的高层不同通道语义特征和不同区域赋予不同权重,提高图像的特征和区域敏感性,进而提高网络的识别准确率.通过随机裁剪、翻转、颜色变化、仿射变换增强和数据均衡操作,增加训练数据的多样性和改善数据的不平衡性.基于真实场景螺栓缺失场景识别结果表明,识别方法的准确率达到94.9％,比常见识别方法提高了4.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晓光	中国铁道科学研究院铁道建筑研究所	61	626	12.0	24.0
5	赵欣欣	中国铁道科学研究院铁道建筑研究所	52	318	9.0	16.0
9	钱胜胜	中国科学院自动化研究所	4	8	2.0	2.0