基于深度学习的列车车轴缺陷超声检测
摘要:针对列车车轴超声检测中缺陷(特别是微小缺陷)检出率和检测效率低的问题,提出了一种基于深度学习的列车车轴缺陷超声检测方法,在YOLO v5s网络的基础上,改进特征提取层结构并加入SE注意力机制,采用实际车轴检测数据、CIVA仿真数据和GAN生成式数据构建了数据集,并进行了验证试验。试验结果表明,通过增加仿真数据和GAN生成式数据样本,所提方法在提高实际车轴超声检测缺陷检出率的同时,可有效检出微小车轴缺陷,其检出率可达99. 25%,具有较高的应用价值和前景。