基于图像识别的钢轨夹板接头螺栓状态检测算法
席雷1
吕锐1
张强1
何海琦2
1.广州地铁集团有限公司运营事业总部 广东广州 5100302.成都鼎汉智能装备有限公司大连分公司 辽宁大连 116085
摘要：鉴于当前钢轨夹板接头螺栓故障检测所面临的复杂环境及识别精度不足的挑战,提出一种基于图像识别技术的新型螺栓缺失与余量不足故障检测算法.以YOLOv5 作为核心检测模型,精准定位图像中的螺栓检测区域.同时,对RegNet进行了优化改进,将颜色特征与形态特征作为浅层特征输入,并结合包含深层特征的模板图像,共同构成二分类的输入数据.通过采集数据集并进行实验验证,结果表明,所提出的算法在螺栓缺失和余量不足检测上的识别精度达到了 99.63%,相较于VGG、RegNet、EffcientNet、MobileNet等传统模型,其准确率最大提升达 4.26%,最小提升为 2.98%.在螺栓余量不足或缺失的情况下,所提出的算法能在满足实时检测要求的同时,准确检测出螺栓的故障状态.
关键词：钢轨夹板接头螺栓螺栓松动余量不足深度学习目标检测RegNet
论文发表日期：2024-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 71-76 )