基于改进YOLO V3的钢轨伤损B显图像识别研究

作者：何庆; 陈正兴^*; 王启航; 王晓明; 王平; 余天乐

来源：铁道学报, 2022, 44(12): 82-88.

• 钢轨伤损
• 目标检测
• YOLO V3
• 深度学习
• 卷积神经网络

针对钢轨探伤普遍存在的判伤时间长、漏报率高等问题，提出一种改进的YOLO V3算法。首先对YOLO V3网络结构进行改进，包括增加极小尺度检测层、添加SPP模块和SE模块等，然后对B显图像数据进行数据增强和杂波滤除处理，采用K-means聚类算法对数据集中的边界框进行聚类分析，获得12个先验框；其次对改进的YOLO V3网络进行参数调整，使用B显图像数据集对改进YOLO V3模型进行训练，最终实现对B显图像中的核伤、轨底伤损、表面伤损、异常螺孔四类异常数据集和断面、接头、螺孔、焊缝四类正常数据集的定位和识别功能。试验对17 601张B显图片进行检测。结果表明，提出的钢轨伤损识别模型的平均精度为92.3%,检测速度达到44 ms/张，能够较为准确快速地检测钢轨伤损。

• 单位
  上海市东方海事工程技术有限公司; 西南交通大学; 土木工程学院