基于卷积神经网络的钢轨螺孔裂纹识别算法研究

作     者：杨崎 李立波 吴先梅 杨培俊 YANG Qi;LI Libo;WU Xianmei;YANG Peijun

作者机构：中国科学院声学研究所声场声信息国家重点实验室北京100190 中国科学院大学北京100049 中国铁路北京局集团有限公司北京100860 北京新科启源科技有限公司北京100176 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2023年第45卷第4期

页      面：111-116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(11674351) 

主　　题：螺孔 螺孔裂纹 B扫图像 卷积神经网络 多层感知机 

摘      要：钢轨由于长时间负载会出现各种伤损,对铁路运输安全造成威胁。螺孔裂纹是钢轨接头处的主要伤损,如果不及时发现很容易造成安全事故。已有钢轨伤损检测方法是使用超声波检测,人工回放检测数据进行伤损判别,该方法效率较低。基于机器学习的伤损判别方法提高了钢轨伤损判别效率,但准确率不高。因此,针对该类钢轨伤损,利用卷积神经网络(CNN)与多层感知机(MLP)结合的模型,将螺孔超声波B扫图像作为识别对象,识别钢轨螺孔是否存在裂纹,提升螺孔裂纹的判别效率和准确率。经过数据集训练,在测试集上该模型的识别准确率达96.25%,在测试数据集以外的图像上进行应用,取得了很好的识别效果,证明该模型在钢轨螺孔裂纹识别问题上的可行性和模型的实用性。