基于双模态深度学习的钢轨表面缺陷检测方法

TP183; 针对目前钢轨顶面擦伤检测系统缺少第三维关键深度信息,检测结果易受干扰误报率高的问题,提出了一种基于双模态结构光传感器的钢轨表面缺陷检测方法.通过构建轨道表面缺陷的多模态深度学习检测网络,可以检测双模态钢轨图像中的擦伤缺陷.提出的深度网络分别融合了双模态图像的多尺度特征,并进行多尺度钢轨顶面擦伤检测.实验结果表明,该方法在显著降低检测误报的同时能够保持较高的检出率.与当前缺陷检测中常见的深度学习检测模型对比,平均精度均值(mAP)有大幅提升,性能优于以往的检测算法,在钢轨顶面擦伤检测任务中的应用前景良好....

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 7; pp. 285 - 293
Main Authors 赵宏伟, 郑嘉俊, 赵鑫欣, 王胜春, 李浥东
Format Journal Article
LanguageChinese
Published 北京交通大学 计算机与信息技术学院,北京 100044%中山大学 电子与通信工程学院,广东 深圳 518107%北京交通大学 计算机与信息技术学院,北京 100044 01.04.2023
中国铁道科学研究院集团有限公司 基础设施检测研究所,北京 100081%中国铁道科学研究院集团有限公司 基础设施检测研究所,北京 100081
Subjects
多模态
钢轨表面
词缺陷检测
深度学习
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2209-0364

Cover

More Information
Summary:TP183; 针对目前钢轨顶面擦伤检测系统缺少第三维关键深度信息,检测结果易受干扰误报率高的问题,提出了一种基于双模态结构光传感器的钢轨表面缺陷检测方法.通过构建轨道表面缺陷的多模态深度学习检测网络,可以检测双模态钢轨图像中的擦伤缺陷.提出的深度网络分别融合了双模态图像的多尺度特征,并进行多尺度钢轨顶面擦伤检测.实验结果表明,该方法在显著降低检测误报的同时能够保持较高的检出率.与当前缺陷检测中常见的深度学习检测模型对比,平均精度均值(mAP)有大幅提升,性能优于以往的检测算法,在钢轨顶面擦伤检测任务中的应用前景良好.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2209-0364