基于卷积神经网络的轮对超声波探头倾斜检测

• 作者: 伊佳琪 孙晓刚
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 目标检测 损失函数 特征融合 卷积神经网络 注意力机制 轮对超声波探头
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 虚拟现实与多媒体计算|Virtual reality and multimedia computing
• 页码范围: 280-285
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021010163

摘要

在使用球机检测车底轮对超声波探头时,摄像头角度会导致目标探头出现仿射形变;此外,目标探头的密集排列会导致检测结果不准确.针对以上两点问题,提出了一种基于卷积神经网络(CNN)的旋转探头检测方法.提出了一种结合多尺度特征融合和注意力机制的特征提取网络和一种针对形变物体的表示法.在验证过程中,使用实际条件下球机采集的轮对探头数据对改进后的深度卷积神经网络(DCNN)进行训练与测试.测试实验结果显示,提出的检测方法对密集的以及形变的探头目标均具有良好的检测效果,召回率可以达到92.15％,平均准确率可以达到86.39％.实验结果表明,所提的改进方法能够自动全面地提取探头目标特征,解决了仿射形变和密集探头目标的检测问题;而且检测精度和速度均能够满足实际需要,在不同的目标尺度以及模糊情况下,具有更强的适应性和更高的鲁棒性.