典型文献
轨道零部件级联缺陷检测算法
文献摘要：
轨道零部件缺陷检测长期面临缺陷样本稀缺的问题.在缺陷样本不足的情况下,采用现有的深度学习方法易使模型过拟合、泛化性能较差,难以满足实际轨道巡检要求.为此,文章提出一种融合实例分割、细粒度图像分类和传统图像处理的轨道零部件级联缺陷检测方法.其首先通过一种改进的快速实例分割网络来实现扣件和缺陷钢轨的定位;然后,通过分析分割掩码、定量比较扣件轮廓长度的方法,实现少样本条件下的扣件缺陷检测;同时,针对钢轨缺陷类别繁杂且细微、易混的问题,采用"实例分割+细粒度图像分类"的两阶段缺陷检测网络,并引进标签平滑技术以提升模型适应性和分类准确性.实验结果表明,在样本稀缺的情况下,采用所提出的缺陷检测方法,扣件断裂和丢失检测准确率为95.7％,钢轨缺陷检出率和缺陷细分类准确率分别为98％和95％,满足轨道零部件缺陷检测需求.
文献关键词：
缺陷检测;小样本;细粒度图像分类;钢轨;扣件;实例分割;标签平滑
中图分类号：
作者姓名：
林军;康高强;涂振威;徐阳翰;岳伟;熊群芳
作者机构：
中车株洲电力机车研究所有限公司,湖南 株洲 412001
文献出处：
引用格式：
[1]林军;康高强;涂振威;徐阳翰;岳伟;熊群芳-.轨道零部件级联缺陷检测算法)[J].控制与信息技术,2022(03):59-66
A类：
B类：
零部件,检测算法,稀缺,深度学习方法,过拟合,泛化性能,轨道巡检,细粒度图像分类,缺陷检测方法,实例分割网络,扣件,钢轨,掩码,定量比较,少样本,样本条件,繁杂,细微,两阶段,测网,标签平滑,分类准确性,失检,检测准确率,细分类,分类准确率,小样本
AB值：
0.301297
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
