基于卷积神经网络的动车组行车安全图像缺陷检测与分割

作者：周雯; 史天运^*; 李平; 马小宁; 杨凯

来源：铁道学报, 2019, 41(10): 76-83.

• 动车组行车安全图像
• 卷积神经网络
• 缺陷检测
• 实例分割
• 多尺度
• 困难样本

动车组运行故障动态图像检测系统TEDS在客运专线安装部署,为动车组安全运行提供保障。针对TEDS缺陷自动检测精度低的问题,提出基于卷积神经网络的TEDS缺陷检测与分割模型,采用特征金字塔网络提取缺陷的多尺度融合特征,采用可改变感受野的可变形卷积DCN适应缺陷形态的多样性。TEDS缺陷检测任务中缺陷数量远小于背景数量,采用在线困难样本挖掘OHEM筛选出困难样本,重新输入预测网络以平衡正负样本的比例。通过对几个动车段的TEDS图像数据进行试验分析,结果表明该模型的准确率、召回率优于传统方法。另外,迁移学习试验结果验证了模型的泛化能力,且该模型可以实现缺陷的精准分割。

• 单位
  中国铁道科学研究院