基于多层级特征融合的钢轨表面伤损检测方法

作者：韩强; 刘俊博; 冯其波^*; 王胜春; 戴鹏

来源：中国铁道科学, 2021, 42(05): 41-49.

• 钢轨表面伤损
• 多层级特征融合
• 小目标检测
• 深度卷积神经网络

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题。为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法。首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面伤损进行人工标注;然后,在钢轨图像数量有限的情况下,利用钢轨表面伤损数据集构建策略,提升训练样本图像的数量和多样性;最后,利用上述数据集,训练基于多层级特征融合的目标检测网络,实现钢轨表面伤损区域的自动检测。将所提新方法与现有方法进行对比试验,结果表明:新方法在钢轨表面伤损数据集上具有最优性能,实现了端到端的钢轨表面伤损检测,能够满足实际应用需求。

• 单位
  中国铁道科学研究院集团有限公司; 北京交通大学