科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统钢轨探伤大多依赖人工获取特征信息、工作繁琐且效率低的问题，提出了融合改进残差模块的多尺度卷积网络钢轨表面伤损图像识别模型。该网络模型采用深度可分离卷积代替传统卷积减少模型参数量，加快模型训练速度；运用残差网络模块，避免网络堆叠过深引起的过拟合现象；并利用多尺度卷积取代了传统的单尺度卷积，使得网络加宽以获取更多的特征信息，增强了模型特征信息的提取能力，从而提高了模型的识别精度。通过对三种典型钢轨伤损进行对比试验，本方法检测精度和运算速度优于传统方法。
- 单位
针对传统钢轨探伤大多依赖人工获取特征信息、工作繁琐且效率低的问题，提出了融合改进残差模块的多尺度卷积网络钢轨表面伤损图像识别模型。该网络模型采用深度可分离卷积代替传统卷积减少模型参数量，加快模型训练速度；运用残差网络模块，避免网络堆叠过深引起的过拟合现象；并利用多尺度卷积取代了传统的单尺度卷积，使得网络加宽以获取更多的特征信息，增强了模型特征信息的提取能力，从而提高了模型的识别精度。通过对三种典型钢轨伤损进行对比试验，本方法检测精度和运算速度优于传统方法。
