基于图像增强与深度学习的钢轨表面缺陷检测

作     者：罗晖 徐广隆 LUO Hui;XU Guanglong

作者机构：华东交通大学信息工程学院江西南昌330013 

出 版 物：《铁道科学与工程学报》 (Journal of Railway Science and Engineering)

年 卷 期：2021年第18卷第3期

页      面：623-629页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金资助项目(61261040) 

主　　题：钢轨表面缺陷检测 机器视觉 目标检测 图像增强 卷积神经网络 

摘      要：相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。