-
题名基于关键点的列车螺栓松动状态检测算法研究
- 1
-
-
作者
刘艾莎
王勇
李金龙
高晓蓉
马金刚
-
机构
西南交通大学光电工程研究所
成都主导科技有限责任公司
-
出处
《现代电子技术》
北大核心
2025年第14期178-186,共9页
-
基金
国家自然科学基金国际合作与交流重点项目(61960206010)。
-
文摘
针对真实列车场景中,螺栓松动检测易受螺栓种类多样、拍摄环境复杂等影响的问题,提出一种基于关键点的列车螺栓松动状态检测算法。将深度学习中的关键点检测技术与拓扑学相结合,利用孪生网络判断前后历史螺栓的几何六边形信息差,从而判断螺栓松动。首先利用YOLOv9识别并定位螺栓,构建螺栓关键点数据集和螺栓松动分类数据集;其次,为增强检测模型对畸变、倾斜等异常螺栓图像的自动矫正能力,并解决特征图在深层网络传递中的信息丢失问题,对ResNet-18模型进行改进,集成了空间变换网络(STN)模块;最后,将检测得到的螺栓角点拓扑为一个连通六边形结构,并将前后信息输入至孪生网络进行松动分类。测试结果表明,利用改进后的ResNet-18模型判断螺栓松动状态的精确率为99.3%,召回率为99.6%,较原模型有显著提升。所提算法能够有效判断螺栓的松动状态,可为螺栓松动故障诊断提供新的解决方案和技术参考。
-
关键词
螺栓松动检测
关键点检测技术
YOLOv9
ResNet-18
图像处理
拓扑学
空间变换网络
-
Keywords
bolt loosening detection
key point detection technology
YOLOv9
ResNet-18
image processing
topology
spatial transformation network
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TH131.3
[机械工程—机械制造及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
