基于DeepLabV3+的轮对踏面损伤分割算法

作者：孙耀泽; 高军伟

来源：电子测量技术, 2022, 45(23): 113-118.

DOI：10.19651/j.cnki.emt.2209951

• 轮对踏面损伤
• DeeplabV3+算法
• MobileNetV2
• ECA注意力机制

针对轨道交通轮对踏面损伤图像存在边界识别效果差，分割精度低的问题，提出一种改进的DeepLabV3+算法对损伤区域进行识别分割。首先将轻量化网络MobileNetV2作为主干特征提取网络，加快语义分割的速度；然后将空洞空间卷积池化金字塔模块中的膨胀卷积以及特征融合后的普通卷积替换为深度可分离卷积，减少参数量，降低模型复杂度；最后在主干网络输出的浅层与深层特征层添加ECA机制，加强网络特征学习能力，使模型对损伤区域更加敏感，从而提升模型分割精度。实验结果表明，改进后的DeepLabV3+模型大小缩减为原来的5%,mPA值达到90.70%,mIou值达到84.33%,在模型更轻量化的同时保证了踏面损伤图像的分割效果。

• 单位
  青岛大学; 自动化学院; 工业控制技术国家重点实验室