文献类型：期刊文章

作　　者：姚宗伟[1,2] 杨宏飞[1] 胡际勇[3] 黄秋萍[1] 王震[1] 毕秋实[1]

YAO Zongwei;YANG Hongfei;HU Jiyong;HUANG Qiuping;WANG Zhen;BI Qiushi(School of Mechanical and Aerospace Engineering,Jilin University,Changchun 130025,China;Key Laboratory of Numerical Control Equipment Reliability,Ministry of Education,Changchun 130025,China;Faw-Volkswagen Automobile Co.Ltd.,Changchun 130011,China)

机构地区：[1]吉林大学机械与航空航天工程学院,吉林长春130025 [2]数控装备可靠性教育部重点实验室,吉林长春130025 [3]一汽-大众汽车有限公司,吉林长春130011

出　　处：《铁道学报》

基　　金：国家自然科学基金(51875232)。

年　　份：2021

卷　　号：43

期　　号：4

起止页码：101-107

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道表面形态分类器。采用8523张实拍轨道图像进行试验,试验结果为:单次检测时间27 ms、查准率为96.42%、召回率为92.21%,综合表现优于MLC、Inception-v3和Cropimagecnn三种方法。

关 键 词：轨道缺陷检测  机器视觉 深度学习  卷积神经网络 特征提取

分 类 号：TP391]