基于改进Faster RCNN的轮对踏面缺陷检测

来源：电子测量技术杂志2023年第12期北京时间：

作者：刘应桃，郭世伟，付孟新，张青松

单位：1.西南交通大学机械工程学院 成都 610031; 2.西南交通大学牵引动力国家重点实验室 成都 610031

摘要：针对目前传统图像处理算法对踏面缺陷检测存在效率不高、对环境鲁棒性不足等问题，本文提出基于改进Faster RCNN的踏面缺陷检测方法。改进的网络首先使用Resnet50作为特征提取网络，并在特征金字塔层（FPN）特征融合输出部分加入自注意力机制，加强了检测网络对小缺陷的检测能力，最后使用K-means++聚类算法对踏面缺陷数据集锚框进行聚类，并通过聚类结果定制出更适合轮对踏面缺陷的锚框。实验结果表明，改进后的Faster RCNN网络对轮对踏面缺陷检测的平均检测速度为68 ms,平均精度（mAP）达到了97.3%，对小目标缺陷的检测精度（mAPsmall）达到了39.3%。

关键词：Faster RCNN;踏面缺陷;特征金字塔;自注意力机制;K-means++

基金资助：博士后科学基金 (2020M682506)、成都科技局重点研发项目（2019-YF05-01823-SN）资助