基于改进Faster R-CNN的铁路客车螺栓检测研究

• 作者: 赵江平 徐恒 党悦悦
• 来源期刊: 中国安全科学学报
• 关键词: 铁路客车 缺陷图像 目标检测 Faster R-CNN K-means++
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 安全工程技术|Safety engineering technology
• 页码范围: 82-89
• 页数: 8页
• 分类号: X924.2
• 语种: 中文
• DOI: 10.16265/j.cnki.issn1003-3033.2021.07.012

摘要

为确保铁路客车运行安全,提出一种基于快速区域卷积神经网络(Faster R-CNN)目标检测的客车关键部件图像缺陷检测算法,针对算法在小尺度螺栓检测方面存在的问题提出2点改进,首先,结合深度残差网络和Inception网络两者优点替换原VGG16网络,并增加上采样层,解决图像经过卷积网络特征信息流失严重的问题;其次,通过K-means++聚类算法优化区域建议网络(RPN)中锚点的尺寸和比例,提高生成建议区域的精确性,解决缺陷目标定位不准确的问题;最后,用创建的螺栓缺陷数据集进行对比验证.结果 表明:改进后的算法检测准确率可达87.4％,相较原算法提高8.9％,且对于多目标缺陷与混淆目标,漏检率与误检率分别降低9.9％和11％.