基于EfficientDet的轨道扣件识别与检测

作     者：邹文武 许贵阳 白堂博 

作者机构：北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室 北京建筑大学机电与车辆工程学院 

出 版 物：《武汉大学学报(工学版)》 (Engineering Journal of Wuhan University)

年 卷 期：2022年

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 

基　　金：国家自然科学基金面上项目（51975038） 北京市自然科学基金重点项目（KZ202010016025） 

主　　题：EfficientDet 扣件检测 加权特征融合 数据增强 深度学习 

摘      要：扣件作为轨道线路重要部件，其缺陷状态复杂多变，当前在实际运维中主要采用人工巡检的方式检测，该方式效率低，耗时长，检测结果依赖人员的熟练程度。针对以上问题，提出一种基于改进EfficientDet的扣件状态检测方法。首先，对图像数据集进行标注并进行数据集增强；然后利用信道修剪算法对EfficientDet网络进行优化并进行训练与识别；最后进行实际轨道线路图像采集实验，并与YOLOv3和FasterRCNN网络训练作为对比，选择合适的评价模型和标准进行结果分析。结果表明：本文改进方法对铁路缺陷扣件的检测准确率达到96.82%，检测效率和检测精度比其他两种方法明显提高，并且参数量是YOLOv3的1/5，表明其在目标检测应用中具有很高的潜力。