基于Faster R-CNN的钢轨表面缺陷识别研究

• 作者: 刘瑾 李筠 杨海马 江声华 苏烨
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 钢轨表面缺陷 预处理 Radon变换 灰度值 区域建议网络 FasterR-CNN网络
• 年，卷（期）: 2020,（9）
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP278
• 字数: 3292字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.09.011

摘要

外界因素常会干扰钢轨表面缺陷检测仪器,导致其精度和效率降低.文中研究了一种基于Faster R-CNN网络检测钢轨表面缺陷的方法.该方法将预处理后的图像进行反转,利用Radon变换实现钢轨图像的投影.投影曲线中,利用钢轨长度为定值且灰度值小于图像平均值的特性,完成对钢轨表面区域的提取.然后通过区域建议网络提取候选区域,并与Fast R-CNN网络的区域建议对比分析,完成Faster R-CNN网络对钢轨的表面缺陷检测.试验数据表明,裂缝、疤痕、磨损和划伤4种缺陷的识别精度分别为92.17％、91.85％、93.45％和93.27％,证明使用该方法能够高效而又准确地识别钢轨的表面缺陷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨海马	上海理工大学光电信息与计算机工程学院	96	365	10.0	15.0
2	李筠	上海理工大学光电信息与计算机工程学院	49	384	8.0	19.0
3	刘瑾	上海工程技术大学电子电气工程学院	76	233	8.0	13.0
4	江声华		3	1	1.0	1.0
5	苏烨	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0