基于双模态深度学习的钢轨表面缺陷检测方法

来源：计算机工程与应用杂志2023年第7期北京时间：

作者：赵宏伟, 郑嘉俊, 赵鑫欣, 王胜春, 李浥东

单位：1.北京交通大学 计算机与信息技术学院，北京 100044；2.中山大学 电子与通信工程学院，广东 深圳 518107；3.中国铁道科学研究院集团有限公司 基础设施检测研究所，北京 100081

摘要：针对目前钢轨顶面擦伤检测系统缺少第三维关键深度信息，检测结果易受干扰误报率高的问题，提出了一种基于双模态结构光传感器的钢轨表面缺陷检测方法。通过构建轨道表面缺陷的多模态深度学习检测网络，可以检测双模态钢轨图像中的擦伤缺陷。提出的深度网络分别融合了双模态图像的多尺度特征，并进行多尺度钢轨顶面擦伤检测。实验结果表明，该方法在显著降低检测误报的同时能够保持较高的检出率。与当前缺陷检测中常见的深度学习检测模型对比，平均精度均值（mAP）有大幅提升，性能优于以往的检测算法，在钢轨顶面擦伤检测任务中的应用前景良好。

关键词：词缺陷检测,多模态,深度学习,钢轨表面