基于3D点云和改进Unet算法的轨道车辆螺栓松动检测
Detection of bolt looseness on rail vehicles based on 3D pointcloud and improvement of Unet algorithm作者机构:中车南京浦镇车辆有限公司江苏南京210031
出 版 物:《轨道交通材料》 (MATERIALS FOR RAIL TRANSPORTATION SYSTEM)
年 卷 期:2023年第2卷第6期
页 面:56-61页
学科分类:08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程]
基 金:省级、城轨地铁车辆智能制造产线关键技术研究及示范应用(2021CKZ014-5)
主 题:螺栓故障 点云处理 Unet 目标检测 YOLOv7
摘 要:轨道车辆的运行安全问题在工程装备应用中日益受到重视,车辆长时间高速运行时转向架上易出现螺栓松脱风险,针对这一问题,文章提出基于3D点云和改进Unet网络的检测算法。该算法首先通过训练YOLOv7网络对转向架中螺栓位置进行定位,再利用改进Unet网络训练完成对螺栓标记线的语义分割,提取螺栓标记线,并对标记线对应的点云进行平面拟合,最后计算所有点到拟合平面的内点的数量占比,通过标记线的偏离程度判断螺栓故障。最终通过试验验证了本算法在检测5°以上的松动螺栓故障准确率达到98.9%。