基于机器视觉的多线路钢轨扣件缺损检测方法

摘要

提出基于在线学习策略的扣件区域定位算法,即根据轨道图像的先验知识和模板匹配方法定位扣件区域,利用在线学习策略动态地更新模板库,使算法能够在多线路的轨道图像中定位扣件区域,并自动标注扣件样本;提出基于深度卷积神经网络的扣件缺损识别算法,即根据扣件区域图像的尺寸较小、图像内容相对单一的特点设计识别算法的网络结构,采用样本随机排序策略的数据增强方法,以减小样本数量失衡对识别性能的影响。基于多线路钢轨扣件试验数据集对检测方法进行试验验证,结果表明:该方法可在不同线路的轨道图像中精确定位扣件区域并识别扣件缺损,扣件区域定位平均检测率达到99.36%,扣件缺损识别平均精确率达到96.82%,具有较高的可靠性和较强的多线路适应能力。