无砟道床表观伤损智能识别算法研究

作者：王宁; 柴雪松^*; 暴学志; 李健超; 马学志; 田德柱

来源：铁道建筑, 2022, 62(04): 22-26+63.

• 无砟道床
• 表观伤损
• 深度学习
• 智能识别
• 语义分割

为提高无砟道床表观伤损检测系统的检测精度和准确率，提出了一种多尺度多任务的伤损智能识别算法。采用特征图L1范数准则对ResNet网络的冗余卷积核进行压缩剪枝，以降低模型计算量和存储空间。通过采集的图像构建样本库，利用像素级语义分割算法，以优化后的ResNet网络为编码网络，以PPM网络为解码网络，搭建编码-解码深度学习架构模型，并通过测试集试验和现场试验对模型进行验证。结果表明，该模型对2 000张测试图像的识别准确率为95.6%，无砟道床表观伤损现场检出率为96.4%，检测效果良好。该模型可以实现对无砟道床表观伤损的自动化检测、伤损趋势分析和状态评定。

• 单位
  中国铁道科学研究院集团有限公司