文献类型：期刊文章

作　　者：崔晓宁[1] 王起才[1,2] 李盛[1] 代金鹏[1,2] 梁柯鑫[3] 李隆甫[4]

CUI Xiaoning;WANG Qicai;LI Sheng;DAI Jinpeng;LIANG Kexin;LI Longfu(School of Civil Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China;Road and Bridge Engineering Disaster Prevention Technology Local Joint National Engineering Laboratory,Lanzhou 730070,China;China Railway Shanghai Design Institute Group Co.,Ltd.,Shanghai 200070,China;China Construction Third Engineering Bureau Group Co.,Ltd.,Lanzhou 730000,China)

机构地区：[1]兰州交通大学土木工程学院,甘肃兰州730070 [2]道桥工程灾害防治技术国家地方联合工程实验室,甘肃兰州730070 [3]中铁上海设计院集团有限公司,上海200070 [4]中建三局集团有限公司,甘肃兰州730000

出　　处：《铁道学报》

基　　金：甘肃省引导科技创新发展专项资金(2019ZX-09);长江学者和创新团队滚动支持发展计划(IRT_15R29);甘肃省基础研究创新群体项目(21JR7RA347);甘肃省优秀研究生“创新之星”项目(2021CXZX-572)。

年　　份：2022

卷　　号：44

期　　号：4

起止页码：104-111

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：轨枕正常工作是高速铁路安全运营的重要保障,开展轨枕裂缝的损伤检测研究意义重大。建立YOLO-v5裂缝目标检测模型,将计算机视觉技术应用于双块式轨枕裂缝的智能识别研究。通过图像标注、参数选取、模型构建、模型训练及模型预测等步骤完成轨枕裂缝目标检测试验,研究结果表明:YOLO-v5目标检测模型参数选取合理,模型训练结果准确,无过拟合或欠拟合现象发生;轨枕裂缝目标检测模型的识别正确率为98.35%,mAP值为48.72%,Recall值为90.32%,单张图片识别速度为0.01 s,说明模型预测结果可满足实际工程对精度和实时性的要求;通过对正常光照、暗光线及微裂纹等不同条件下裂缝的识别,YOLO-v5目标检测模型表现出高精度智能识别,体现了模型良好的泛化能力和鲁棒性,说明模型可以满足实际工程复杂工况的需求。

关 键 词：轨枕裂缝  计算机视觉技术 目标检测 YOLO-v5  智能识别  

分 类 号：U216]