Автоматическое обнаружение дефектов крепежных элементов устройств поддержки контактной сети с использованием глубоких сверточных нейронных сетей
Automatic Defect Detection of Fasteners on the Catenary Support Device Using Deep Convolutional Neural Network
2017-12-04
SCID: 54.1/2bbmuebc
Discuss with AI
опорные устройства контактной сетииерархическое обнаружение от грубого к точномуглубокие сверточные нейронные сетиобнаружение дефектов крепежных элементовинспекция высокоскоростных железных дорог
Figures from the paper
Abstract (AI)
Возбуждение и вибрации, вызванные длительной эксплуатацией железнодорожного подвижного состава, неизбежно приводят к возникновению дефектов в устройствах поддержки контактной сети. В условиях масштабного строительства высокоскоростных электрифицированных железных дорог автоматическое обнаружение дефектов многочисленных и разнообразных крепежных элементов устройств поддержки контактной сети имеет большое значение для обеспечения безопасности эксплуатации и снижения затрат. В настоящее время устройства поддержки контактной сети периодически фотографируются в ночное время камерами, установленными на диагностических вагонах, однако их обследование по-прежнему в основном основывается на визуальной интерпретации человеком. Для снижения участия человека в данной работе предложен новый метод на основе компьютерного зрения, использующий глубокие сверточные нейронные сети (DCNN) для обнаружения дефектов крепежных элементов. Предлагаемая система объединяет три этапа обнаружения на основе DCNN, реализованные по принципу от грубого к точному: два детектора последовательно локализуют узлы консольных конструкций и расположенные на них крепежные элементы, а классификатор диагностирует дефекты крепежных элементов. Результаты обширных экспериментов и сравнений по обнаружению дефектов устройств поддержки контактной сети на участке высокоскоростной железнодорожной линии Ухань—Гуанчжоу показывают, что система обеспечивает высокий уровень обнаружения, а также хорошую адаптивность и устойчивость в сложных условиях.
Key Findings
1
Сравнительные оценки свидетельствуют, что система хорошо адаптируется к сложным условиям инспекции и сохраняет устойчивость.
2
Эксперименты на устройствах поддержки контактной сети вдоль высокоскоростной железнодорожной линии Ухань—Гуанчжоу показали высокий уровень обнаружения дефектов.
3
Метод направлен на снижение зависимости от визуальной интерпретации изображений инспекционных камер человеком, повышая безопасность и экономичность технического обслуживания.
4
В работе предложена система на основе глубоких сверточных нейронных сетей для автоматического обнаружения дефектов крепежных элементов устройств поддержки контактной сети.
5
Система включает три каскадных этапа DCNN по принципу «от грубого к точному»: локализацию консольных соединений, локализацию крепежных элементов и классификацию их дефектов.
Research Object
Крепёжные элементы на опорных устройствах контактной сети железной дороги
Research Subject
Автоматическое визуальное обнаружение и диагностика дефектов крепёжных элементов, включая их локализацию, показатель обнаружения, адаптивность и устойчивость в сложных условиях
Publication Details
Publication Date
2017-12-04
Journal
Publisher
ISSN
Cited by
465
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью3
Использование глубокого обучения для обнаружения дефектов в производстве: всесторонний обзор и современные проблемы2020
Обзор современных методов инспекции линий электропередачи2020
Обзор обнаружения дефектов на основе аудио- и видеоданных с использованием глубокого обучения в техническом обслуживании железнодорожного транспорта2022