基于改进SSD的动车组底部异常检测方法研究

作者：耿庆华; 刘伟铭; 刘瑞康

来源：铁道标准设计, 2022, 66(07): 166-171.

DOI：10.13238/j.issn.1004-2954.202103140003

• 动车组
• 异常检测
• 改进SSD
• 注意力机制
• 特征融合

高速行驶中的动车组(EMU)底部偶尔出现螺钉丢失、布条和纸屑等异常情况，而动车组列车底部背景结构复杂、目标尺度较小和异常样本少等因素给异常检测带来极大挑战。为提高动车组底部异常检测平均精度，提出一种基于改进SSD动车组底部异常检测算法。首先，采用残差网络Resnet-101替换VGG-16,残差网络Resnet-101比VGG-16更能细化特征图的特征；其次，引入一种新的特征融合策略，特征融合有效利用了改进后SSD模型浅层的细节信息和深层的语义信息；最后，引入注意力机制，注意力机制有助于在特征图空间中建立特征之间的关系，突出相关特征，抑制不相关信息，为异常检测提供可靠指导。试验结果表明：与FasterR-CNN、SSD和YOLOV3相比，本文算法的mAP分别提高了18.14%、5.26%和3.85%,螺钉丢失的AP值分别提高了2.76%、2.66%和1.22%,纸屑的AP分别提高了51.66%、13.11%和10.32%,本文算法提高了小尺度目标的检测精度。

• 单位
  华南理工大学