基于YOLO算法的动车组裙板故障检测

针对目前动车组运行故障图像检测中人工分析方式误报警数量多、实际故障检出率低等问题，提出一种基于YOLO算法的动车组裙板故障检测方法。首先通过k-means聚类算法对检测目标进行聚类分析，其次选择合适的YOLO算法模型并分析网络结构，最后使用人工标注的多组尺度特征的裙板故障缺陷位置和类别数据集训练网络。在取自多条线路的动车组裙板故障图像数据制作成的测试集上，对YOLO模型进行试验。结果表明，模型能够快速、准确地识别故障，为高速铁路运行安全提供保障。