铁路货车铸件DR图像的疏松缺陷快速检测

摘要

快速有效地检测铁路货车铸件的疏松缺陷,对铁路运输安全具有重要意义。数字化X射线照相可以直接获取含有缺陷的铸件图像,成像速度快。但人工目测图像检测法不仅耗时费力容易疲劳,而且依赖于检测人员的经验。研究自动化检测方法实现图像缺陷的实时检测具有重要的意义。铸件图像中疏松缺陷形状复杂,可以分为树枝状、羽毛状和海绵状等,也可能是多种不同形状疏松缺陷的组合,这增加了检测识别的难度。发展基于深度学习的铸件数字化射线照相的疏松缺陷检测和识别方法。首先,对铸件数字化射线照相的原始图像进行一系列的预处理,采用引导图像滤波结合分数阶微分对图像进行增强,利用图像标注软件标注增强后的图像,得到标注数据集;然后,将标注数据和含有不同等级的疏松缺陷图像输入到YOLACT深度学习网络中,进行训练和测试。测试结果表明:该方法对单幅图像的平均检测时间为1.48 s,疏松缺陷的平均检测率为60.56%。该方法可快速检测出铸件疏松缺陷的等级和类别,为实时检测工业铸件缺陷提供一种辅助解决方法。