钢轨表面伤损的细粒度图像识别OA北大核心
基于智慧工务对钢轨轨面状态和伤损的精准识别、定量化修理等需求,结合深度学习和机器视觉,提出了钢轨轨面伤损细粒度图像识别与量化方法。通过采集轨面状态和伤损图像并实现伤损细粒度标注,建立轨面伤损RD-1094数据集,其中的目标密度达到了每图22.9个。建立轨面伤损深度学习目标检测算法,通过对RD-1094数据集的训练和学习,实现了对0.5~30mm的剥离掉块、波长20~200mm的波磨等轨面伤损及其各自发展阶段特征的识别,达到毫米级细粒度。算法对单双排波磨、细小密集和轻重伤剥离掉块、单支和成片疲劳裂纹等能较好的兼容性,可以实现轨面光带形位、伤损尺寸、轻重伤总数、分布面积、波磨波长等状态和伤损的量化评估。
周宇;姚心弦;姚凯洲;陆乾晖;张子豪
同济大学道路与交通工程教育部重点实验室,上海201804 同济大学上海市轨道交通结构耐久与系统安全重点实验室,上海201804同济大学道路与交通工程教育部重点实验室,上海201804 同济大学上海市轨道交通结构耐久与系统安全重点实验室,上海201804同济大学道路与交通工程教育部重点实验室,上海201804 同济大学上海市轨道交通结构耐久与系统安全重点实验室,上海201804上海地铁维护保障有限公司工务分公司,上海200233同济大学道路与交通工程教育部重点实验室,上海201804 同济大学上海市轨道交通结构耐久与系统安全重点实验室,上海201804
交通运输
轨道交通钢轨表面伤损目标检测图像识别
《同济大学学报(自然科学版)》 2025 (1)
P.99-106,8
上海市科委科技计划(20dz1203100)中央高校基本科研业务费(2022-5-ZD-04)浙江省交通运输厅科技计划(2023024)。
评论