关键词:
踏面缺陷
故障检测
神经网络
目标检测
摘要:
轮对是铁路车辆走行部的重要组件,轮对踏面损伤检测是列车检修的重要项目,然而,由于采样设备不统一和采样环境不确定,常导致踏面损伤检测数据集掺杂暗照度图像,使得微小踏面损伤难以充分识别。针对上述问题,文章提出一种集成式部分卷积网络的轮轨踏面缺陷识别方法 (I-PCNet)。该方法设计了一种稠密暗照度自校正网络(D-SCNet),将该模块拼接在识别模型的首层,以期在提取特征之前对暗照度样本进行自校正,以突出更多细节特征;考虑到微小轮对损伤难以准确识别的问题,提出一种增量式检测方法(E-ASFF);为进一步轻量化模型,引入一种部分卷积网络(P-Conv)技术,设计了轻量化主干网络(FasterNet);为更好地集成所提的多种策略,提高检测模型对样本的聚焦程度,设计了新型损失函数,并对其原理进行了说明。试验表明,在实际轮轨踏面数据集上,文章所提的策略优于传统踏面缺陷检测算法。此外,通过对比试验、可视化分析和泛化试验,进一步验证了文章所提方法的有效性和普适性。