来源：期刊VIP网 时间：
作者：刘艾莎;王勇;李金龙;高晓蓉;马金刚;
单位：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;
摘要：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
基金资助：国家自然科学基金国际合作与交流重点项目(61960206010)
