基于Faster R-CNN算法的列车轴承表面缺陷检测研究 |
| |
引用本文: | 石炜,李嘉楠,张惠丽,黄迎久.基于Faster R-CNN算法的列车轴承表面缺陷检测研究[J].机床与液压,2021,49(11):103-108. |
| |
作者姓名: | 石炜 李嘉楠 张惠丽 黄迎久 |
| |
作者单位: | 内蒙古科技大学机械工程学院;包头职业技术学院电气工程系;内蒙古科技大学工程训练中心 |
| |
基金项目: | 2018年内蒙古自治区自然科学基金项目(2018LH050248);2018年内蒙古自治区高等学校科学技术研究项目(NJZY18149) |
| |
摘 要: | 将深度学习Faster R-CNN应用于列车轴承图像的表面缺陷检测。建立人工数据库BSD,通过对图像增广弥补数据不足的缺陷;采用Faster R-CNN算法进行目标检测和识别,卷积神经网络采用ZF Net模型,对BSD数据集训练,得到检测结果;并与传统检测方法Canny算法的检测结果进行比较。试验结果表明:和传统Canny算法比较,基于Faster R-CNN算法的轴承缺陷的检测精度为93.03%、检测时间为0.29 s,相比传统Canny算法检测精度提升21.73%、检测时间减少2.21 s,同时准确率大幅度提高,能够实现轴承表面缺陷的精确检测和识别,满足铁路部门对轴承检修的需求。
|
关 键 词: | 深度学习 缺陷检测 图像增广 卷积神经网络 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|