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
Hongrui Wang, Junwen Chen, Zhigang Liu, Alfredo A. Núñez, Zhiwei Han, Hongrui Wang
2017-12-04

опорные устройства контактной сетииерархическое обнаружение от грубого к точномуглубокие сверточные нейронные сетиобнаружение дефектов крепежных элементовинспекция высокоскоростных железных дорог
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.
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.

Крепёжные элементы на опорных устройствах контактной сети железной дороги

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
Access Type
Author Information
Authors
Hongrui Wang
Junwen Chen
Zhigang Liu
Alfredo A. Núñez
Zhiwei Han
Hongrui Wang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%