基于图像识别技术的轨道交通缺陷检测研究

作者：马茜^*

来源：计算技术与自动化, 2022, 41(01): 117-122.

DOI：10.16339/j.cnki.jsjsyzdh.202201021

• 轨道交通
• 图像识别
• 全卷积网络
• 轨枕
• 紧固件

传统人工巡检轨道交通缺陷存在效率低、误差大等缺点，运用综合轨道检查车(CTIV)为检测平台，建立了一种车载式轨道交通图像识别智能巡检系统。利用CTIV采集连续轨道边界框图像建立数据集，在C++中使用应用程序开发框架(QT)设计了可视化数据标注的定制软件工具。通过全卷积网络(FCN)建立了多任务学习扩展网络架构，结合多个检测器可以提高轨枕和轨道弹力紧固件的缺陷检测性能。实验结果表明，提出方法在检测轨枕和紧固件缺陷时具有较高的精度。