基于深度学习的铁路关键部件缺陷检测研究

• 作者: 代明睿 吴艳华 李平 赵冰 马小宁
• 来源期刊: 铁道学报
• 学科: 工学
• 关键词: 缺陷检测 卷积神经网络 目标检测 缺陷分类 图像超分辨率
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 铁道通信信号、信息化
• 页码范围: 67-73
• 页数: 7页
• 分类号: TP391
• 字数: 5120字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2019.08.009

摘要

关键部件缺陷图像自动检测对于复兴号动车组运营维护意义重大,但目前主要依靠专业人员对检测图像进行分析,耗费大量人力、物力,造成检测周期长,检测准确率无法保证.提出一种结合部件检测与缺陷分类流程的双通道缺陷检测框架MCDDF(Multi-channel Defect Detection Framework),部件检测通道基于目标检测算法实现动车组关键部件定位,定位后的关键部件经裁剪进行超分辨率提升,传入缺陷分类通道基于迁移学习方法实现缺陷类别的准确分类,结合两通道信息实现缺陷检测任务.实验分析两通道的性能提升方法,对比MCDDF与传统基于目标检测方法在铁路关键部件缺陷图像上的检测效果,验证了MCDDF方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	中国铁道科学研究院铁路大数据研究与应用创新中心	64	643	15.0	23.0
2	吴艳华	中国铁道科学研究院铁路大数据研究与应用创新中心	23	149	8.0	11.0
3	代明睿	中国铁道科学研究院铁路大数据研究与应用创新中心	11	119	6.0	10.0
4	马小宁	中国铁道科学研究院铁路大数据研究与应用创新中心	26	187	6.0	13.0
5	赵冰	中国铁道科学研究院研究生部	4	11	2.0	3.0