基于卷积神经网络的动车组行车安全图像缺陷检测与分割

论文摘要

动车组运行故障动态图像检测系统TEDS在客运专线安装部署,为动车组安全运行提供保障。针对TEDS缺陷自动检测精度低的问题,提出基于卷积神经网络的TEDS缺陷检测与分割模型,采用特征金字塔网络提取缺陷的多尺度融合特征,采用可改变感受野的可变形卷积DCN适应缺陷形态的多样性。TEDS缺陷检测任务中缺陷数量远小于背景数量,采用在线困难样本挖掘OHEM筛选出困难样本,重新输入预测网络以平衡正负样本的比例。通过对几个动车段的TEDS图像数据进行试验分析,结果表明该模型的准确率、召回率优于传统方法。另外,迁移学习试验结果验证了模型的泛化能力,且该模型可以实现缺陷的精准分割。

论文目录

• 1 相关工作
•   1.1 铁路图像缺陷检测研究现状
•   1.2 基于卷积神经网络的目标检测算法分析
• 2 动车组缺陷检测与分割模型
•   2.1 特征金字塔网络
•   2.2 区域提议网络
•   2.3 预测与分割网络
•   2.4 在线困难样本挖掘
•   2.5 可变形卷积
• 3 试验结果与分析
•   3.1 数据集
•   3.2 检测与评估
•   3.3 结果分析
•     3.3.1 缺陷检测模型性能评估
•     3.3.2 迁移学习试验结果分析
•     3.3.3 多尺度检测与分割试验结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 周雯,史天运,李平,马小宁,杨凯

关键词: 动车组行车安全图像,卷积神经网络,缺陷检测,实例分割,多尺度,困难样本

来源: 铁道学报 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 安全科学与灾害防治,铁路运输,计算机软件及计算机应用,自动化技术

单位: 中国铁道科学研究院,中国铁道科学研究院电子计算技术研究所

基金: 国家重点研发计划(2018YFB1201403),中国铁路总公司科技研究开发计划(K2018T003)

分类号: U298;TP391.41;TP183

页码: 76-83

总页数: 8

文件大小: 1661K

下载量: 202