文献类型：期刊文章

作　　者：陈仁祥[1] 潘升[1] 杨黎霞[2] 高晓鹏[3] 王建西[4]

CHEN Renxiang;PAN Sheng;YANG Lixia;GAO Xiaopeng;WANG Jianxi(Chongqing Engineering Laboratory for Transportation Engineering Application Robot,Chongqing Jiaotong University,Chongqing 400074,China;Chongqing University of Science&Technology,Business and Management College,Chongqing 401331,China;Chongqing Rail Transit(Group)Co.Ltd,Chongqing 401120,China;Key Laboratory of Roads and Railway Engineering Safety Control of Ministry of Education,Shijiazhuang Tiedao University,Shijiazhuang,Hebei 050043,China)

机构地区：[1]重庆交通大学交通工程应用机器人重庆市工程实验室,重庆400074 [2]重庆科技学院,重庆401331 [3]重庆市轨道交通(集团)有限公司,重庆401120 [4]石家庄铁道大学道路与铁道工程安全保障教育部重点实验室,石家庄050043

出　　处：《铁道工程学报》

基　　金：国家自然科学基金项目(51975079);重庆市教委科学技术研究项目(KJZD-M202200701);道路与铁道工程安全保障省部共建教育部重点实验室开放课题(STDTKF202204);重庆市研究生联合培养基地项目(JDLHPYJD2021007)。

年　　份：2024

卷　　号：41

期　　号：7

起止页码：18-24

语　　种：中文

收录情况：BDHX、BDHX2023、CSCD、CSCD2023_2024、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：研究目的:钢轨表面缺陷是铁路交通安全运行的重要隐患,对其进行准确检测十分重要。钢轨服役的复杂环境使其可能沾染污渍,同时钢轨缺陷形状往往不一致,为解决钢轨附着污渍导致误识别以及缺陷形状不一致导致难以准确检测的问题,提出基于改进YOLOv7的钢轨表面缺陷检测方法。研究结论:(1)通过构建数据集时以包含污渍的钢轨图像作为负样本的方法,利用标签差异使网络学习区分缺陷和污渍的特征,克服了对污渍误检测问题;(2)通过可变形卷积与嵌入通道注意力机制对YOLOv7完成改进,即通过对卷积采样点添加偏置的方式实现可变形卷积替换固定卷积,实现网络对缺陷几何形变适应能力的增强,同时将通道注意力机制嵌入网络中,利用其为不同通道特征加权的特点使网络关注缺陷特征,从而增强了缺陷特征提取能力;(3)通过将钢轨表面缺陷数据集加载于构建的改进YOLOv7网络实现端到端的钢轨表面缺陷检测,证明了所提方法的有效性和可行性;(4)本研究成果可为钢轨表面缺陷智能化检测提供新方法。

关 键 词：钢轨表面  缺陷检测  注意力机制  可变形卷积  

分 类 号：TP391.41] TH89[计算机类]