基于OSE-dResnet网络的列车底部零件检测算法*
2022-04-21李利荣王子炎杨荻椿巩朋成
李利荣,王子炎,张 开,杨荻椿,熊 炜,巩朋成
(1.湖北工业大学电气与电子工程学院,湖北 武汉 430068;2.湖北工业大学太阳能高效利用湖北省协同创新中心,湖北 武汉 430068)
1 引言
经过多年的发展,目标检测技术有了广泛的应用,期间涌现出了许多经典的目标检测算法。目前针对列车部件的检测方法可分为基于传统的视觉检测方法和基于深度学习的检测方法。在传统检测方法中,Kilian等人[1]采用中值滤波对图像去噪,再通过边缘检测算法结合提取的部件特征对机车闸瓦等部位进行检测,取得了良好的检测效果。针对列车底部部件形状复杂难以检测这一问题,谢冠星[2]提出了一种改进的SIFT(Scale-Invariant Feature Transform)特征点检测算法,在增加了列车底部部件边缘梯度变化明显的特征点数量的同时减少了部件平坦区域检测的特征点数量,提高了特征点匹配的准确度,有效提升了部件识别精度。Zhang等人[3]提出了一种基于局部二值模式LBP(Local Binary Patterns)和Gabor-GA(Gabor Genetic Algorithm)的优化理论列车中心板螺栓检测方法,首先将不同尺度的多通道Gabor小波作用到图像上,再通过遗传算法对每个Gabor通道得到的权值进行优化,最后将加权后的特征进行串接并通过支持向量机进行分类。该方法提供了一种新的优化思路,在一定程度上提升了检测性能。Sun等人[4]基于图像金字塔模型和邻近传播理论提出了一种快速自适应马尔可夫随机场算法,实现了对列车空气制动系统、转向架和紧固螺栓的自动检测。上述方法虽具有一定的检测效果,但大多需要经过人工预处理提取相应的部件特征,有一定的局限性,且在列车底部这样的复杂场景中没有较好的泛化性能。……
