科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对铁路钢轨病害检测问题，提出一种少样本学习的钢轨表面缺陷检测方法。首先，设计样本随机组合策略，根据少量钢轨图像快速构建钢轨表面缺陷数据集；然后，改进深度卷积神经网络的分类损失函数，降低样本数量不平衡对模型分类性能的影响；最后，提出基于多层级特征融合的钢轨表面缺陷检测网络，并利用上述数据集和改进的分类损失函数进行训练，实现少样本条件下端到端的钢轨表面缺陷检测。试验结果表明：该方法在2种类型的钢轨表面缺陷数据集上均取得最优性能，并在实际线路检测任务中，检测率达到100%,具有较高的实用价值。
-
单位中国铁道科学研究院集团有限公司
