基于深度学习的列车车轴缺陷超声检测
刘建1，罗林1，李金龙1，高晓蓉1，赵波2 （1.西南交通大学物理科学与技术学院；2.成都主导科技有限责任公司）
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。
关键词：深度学习；超声检测；车轴缺陷；数据增强
目录介绍
1 超声检测成像原理
2 基于深度学习的车轴缺陷超声检测
2.1 网络结构
2.2 EMblock模块
3 检测试验
3.1 试验环境及配置
3.2 数据集
3.2.1 实际数据
3.2.2 裁剪数据
3.2.3 GAN 生成式数据
3.2.4 仿真数据
3.3 评价指标
3.3.1 精确率
3.3.2 召回率
3.3.3 工业指标
3.4 试验结果
3.4.1 数据增强结果
3.4.2 不同模型对比结果
3.4.3 实际检测结果
4 结语
©软件著作权归作者所有。本站所有文件均来源于网络，仅供学习使用，请支持正版！
转载请注明出处！
发表评论 取消回复