来源：期刊VIP网 时间：
作者：卢杰;魏霞;张林鍹;于立滨;张剑锐;涂美琪;
单位：新疆大学电气工程学院;清华大学国家计算机集成制造系统工程技术研究中心(CIMS);中国铁路乌鲁木齐局集团有限公司;
摘要：高铁接触网作为列车牵引供电系统中的重要组成部分，保证其稳定运行具有重要意义。螺栓作为接触网的主要紧固件，其正常与否尤为重要，但螺栓在巡检采集图像中具有特征不明显、尺寸过小等问题，使得对于螺栓的缺陷检测研究更加困难。为此，提出一种以深度学习为基准的接触网螺栓缺陷检测方法，该方法采用双级联架构的检测原则，将目标检测算法与语义分割算法相结合，实现对螺栓的定位与检测。首先，提出一种新算法YOLO-SAC,通过构造反残差模块、引入可切换的空洞卷积以及对损失函数进行优化处理，分别实现对模型计算量的压缩、深层特征信息的提取、尺寸不一螺栓的识别优化；其次，通过语义分割算法U-Net对螺栓截取图片进行连通域划分，并求其各自的几何中心点位置坐标；最后，提出一种阈值法，实现对螺栓状态的检测。试验结果表明，本文提出的螺栓缺陷检测方法总精度达到93.5%,具有良好的实际工程价值。
关键词：高速铁路;;接触网螺栓;;缺陷检测;;SAC;;反残差模块;;语义分割
基金资助：新疆维吾尔自治区自然科学基金项目(2022D01C431)
