基于改进YOLOX的地铁列车焊接质量检测

作者：马瑞; 贺德强^*; 贺岁球; 陈彦君; 靳震震; 单晟

来源：铁道科学与工程学报, 2023, 20(10): 3998-4007.

DOI：10.19713/j.cnki.43-1423/u.t20222274

• 地铁列车
• 焊接缺陷
• 无损检测
• 相控阵超声波检测
• 深度学习

车体作为地铁列车的主要承载结构，主要依靠数量庞大的基础件组焊而成，其在列车运行中承受着巨大的冲击载荷，因此对焊接质量提出了更高的要求。实际焊接过程中焊接工艺复杂、焊接技术不一，导致了焊接缺陷的产生。焊接缺陷会降低车体的强度和刚度，危害地铁列车的运行安全。现有的焊接质量检测技术存在智能化水平不高、检测效率低的问题。针对上述问题，提出一种基于改进YOLOX的列车车体焊接质量智能检测方法。首先，利用相控阵超声波检测仪采集焊缝缺陷图像，制作焊接缺陷数据集。然后，为提高YOLOX的检测性能，弥补YOLOX在检测精度和速度方面的不足，引入了跨阶段分部网络(Cross-stage Partial Dark Network,CSPDarkNet)、密集连接网络(Densely Connected Network,DCN)、加权双向金字塔网络(Bidirectional Feature Pyramid Network,BiFPN)和自适应空间融合网络(Adaptively Spatial Feature Fusion,ASFF)，建立基于改进的YOLOX的地铁列车车体焊接质量检测模型，提高了焊缝缺陷特征提取和多尺度特征融合的能力。最后，利用改进的YOLOX模型对焊接缺陷数据集进行训练和测试，通过实验验证所提方法的有效性和可行性。实验结果表明，改进的YOLOX模型对于焊接缺陷的检测精度达到97.30%，检测速度达到78.4 fps，与主流检测网络Faster R-CNN和YOLO V5相比，在检测精度和检测速度方面具有更大的优势。研究成果能够满足地铁列车焊接质量检测的需求，实现焊接缺陷的智能检测和缺陷类型的智能判断。

• 单位
  中车株洲电力机车研究所有限公司; 广西大学