基于FCN的轮对踏面检测技术

来源：电子测量技术杂志2022年第1期北京时间：

作者：杨玲，高军伟

单位：1．青岛大学 自动化学院 青岛 266071;2. 山东省工业控制技术重点实验室 青岛 266071

摘要：传统的图像处理方法在检测轮对踏面上的磨损区域时，由于轮对表面存在的阴影以及污渍的影响，易产生误识别问题，为此提出一种基于全卷积神经网络检测踏面轮廓图以识别磨损区域的方法。首先使用CCD相机对低速运行的轮对踏面轮廓图进行采集，然后将轮廓图中存在磨损的区域进行标定制作成标签，使用FCN-32S、FCN-16S、FCN-8S模型进行训练。实验结果表明FCN-32S、FCN-16S、FCN-8S模型均能有效检测出存在较大磨损的区域，而FCN-8S模型对于点状磨损区域的检测效果明显优于FCN-32S及FCN-16S，且对于实验中设置的存在污渍干扰的区域三种模型均不存在误识别现象。最后通过MIoU值对FCN-32S、FCN-16S、FCN-8S检测效果进行评价，改变模型训练次数，MIoU值最终会停留在0.7附近，检测效果良好。

关键词：机器视觉;全卷积神经网络;卷积层;池化层;全连接层

基金资助：山东省自然科学基金资助项目（ZR2019MF063）；山东省重点研发计划（2017GGX10115）资助