| 基于改进Mask R-CNN的轨道扣件状态检测方法 |
| |
| 引用本文： | 许贵阳,李金洋,白堂博,杨建伟. 基于改进Mask R-CNN的轨道扣件状态检测方法[J]. 中国铁道科学, 2022, 0(1): 44-51 |
| |
| 作者姓名： | 许贵阳 李金洋 白堂博 杨建伟 |
| |
| 作者单位： | 北京建筑大学机电与车辆工程学院;北京建筑大学 |
| |
| 基金项目： | 国家自然科学基金资助项目(51975038);北京市自然科学基金资助项目(KZ202010016025)。 |
| |
| 摘 要： | 为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。
|
| 关 键 词： | 轨道 扣件 状态检测 掩膜区域卷积神经网络 K均值聚类算法 定位准确率 分类准确率 |
Detection Method of Track Fastener State Based on Improved Mask R-CNN |
| |
| XU Guiyang,LI Jinyang,BAI Tangbo,YANG Jianwei. Detection Method of Track Fastener State Based on Improved Mask R-CNN[J]. China Railway Science, 2022, 0(1): 44-51 |
| |
| Authors: | XU Guiyang LI Jinyang BAI Tangbo YANG Jianwei |
| |
| Affiliation: | (School of Mechanical-Electronic and Vehicle Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China;Beijing Key Laboratory of Performance Guarantee on Urban Rail Transit Vehicles,Beijing University of Civil Engineering and Architecture,Beijing 100044,China) |
| |
| Abstract: | |
| |
| Keywords: | Track Fastener State detection Mask regional convolutional neural network K-means clustering algorithm Positioning accuracy Classification accuracy |
| 本文献已被 维普 等数据库收录！ |
|
