基于Faster R-CNN的钢轨表面缺陷识别研究

摘要

外界因素常会干扰钢轨表面缺陷检测仪器,导致其精度和效率降低.文中研究了一种基于Faster R-CNN网络检测钢轨表面缺陷的方法.该方法将预处理后的图像进行反转,利用Radon变换实现钢轨图像的投影.投影曲线中,利用钢轨长度为定值且灰度值小于图像平均值的特性,完成对钢轨表面区域的提取.然后通过区域建议网络提取候选区域,并与Fast R-CNN网络的区域建议对比分析,完成Faster R-CNN网络对钢轨的表面缺陷检测.试验数据表明,裂缝、疤痕、磨损和划伤4种缺陷的识别精度分别为92.17％、91.85％、93.45％和93.27％,证明使用该方法能够高效而又准确地识别钢轨的表面缺陷.