王 振 邓三鹏 祁宇明 周裔扬

(天津职业技术师范大学机器人及智能装备研究院，天津，300222)

0 引言

钢轨螺栓组件指的是钢轨接头处用于固定轨道夹板的螺栓、螺母、垫圈的组合体，它是保证两段钢轨安全连接的关键，因为重载火车高速碾压和各种不确定因素的作用，造成组件出现各种故障，典型的有扭紧力下降、螺栓断裂、螺母裂纹或缺失、垫圈断裂或缺失、组件整体缺失。许多火车事故都是由于钢轨连接处的问题引起的[1]，因此对影响钢轨接头处安全的钢轨螺栓组件故障进行目标检测算法研究具有重要价值。

轨道螺栓组件位于钢轨的侧面，如图1所示。在铁路轨道中，每隔12.5m或25m有一段钢轨接头，需要轨道螺栓组件连接固定，这导致螺栓组件的检测和维修的工作是间断不连续的。传统的轨道螺栓组件识别与检测依赖于人工，需要工人每每俯身弯腰察看，这要求工人需要大量的先验知识、技巧以及体力、耐力要求。虽然要求高，但是这种检测效果不是很好，效率十分低下。

图1 螺栓组件位置图

基于卷积神经网络(CNN)的目标检测算法，通过将目标检测与深度学习相结合，采用相关数据进行目标特征自动学习的方式，可以进行多样化背景与迁移场景的目标检测。基于CNN的目标检测算法可以分为两类：一类是以R-CNN系列为代表的基于候选区域的目标检测算法，这类算法的特点是检测精度高、速度慢;另一类是以YOLO(You Only Look Once)系列、SSD[2]系列为代表的基于回归的目标检测算法，这类算法的优点是实时性好，缺点是检测精度相对偏低。……