基于集成深度学习的钢轨表面伤损精细化分割

作者：王卫东; 王梦迪; 胡文博; 彭俊; 王劲; 邱实

来源：铁道工程学报, 2023, 40(07): 27-39.

DOI：10.3969/j.issn.1006-2106.2023.07.005

• 钢轨表面伤损
• 深度学习
• 图像分割
• 铁路工务

研究目的:钢轨表面伤损分割是铁路工务巡检的重要内容。为应对轨面伤损未及时发现导致安全事故发生的难题，解决传统检测方法适用性受限的问题，本文提出一个集成多种深度学习模型的伤损自动化分割算法，为钢轨表面伤损的识别、分析和处理提供一个精准且高效的解决方案。研究结论:(1)提出了一种集成目标检测和语义分割的深度学习算法，实现了针对钢轨表面伤损特征的高效识别与精准分割；(2)实践结果表明，本文算法与现有的几种深度学习模型相比精度更高，准确度和平均交并比分别达到99.56%和83.89%;(3)本文算法能够精细化地区分钢轨伤损和背景的模糊边界，减少数据冗余，加快分割效率，对多尺度伤损目标的分割准确性高，研究结论可为铁路工务部门的自动化检维提供理论指导。

• 单位
  中南大学