来源：期刊VIP网 时间：
作者：邹文武;许贵阳;白堂博;
单位：北京建筑大学机电与车辆工程学院;北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室;
摘要：扣件作为轨道线路的重要部件，其缺陷状态复杂多变，当前在实际运维中主要采用人工巡检的方式检测，该方式效率低、耗时长，检测结果依赖人员的熟练程度。针对以上问题，提出一种基于改进EfficientDet的扣件状态检测方法。首先，对图像数据集进行标注与数据增强；然后利用信道修剪算法对EfficientDet网络进行优化、训练与识别；最后进行实际轨道线路图像采集实验，并与YOLOv3(you only look once v3）和Faster R-CNN(faster regionbased convolutional neural network)进行对比，选择合适的评价模型和标准进行结果分析。结果表明：所提出的改进方法对铁路缺陷扣件的检测准确率达到96.82%，检测效率和检测精度较其他2种方法有明显提高，且参数量是YOLOv3的1/5，表明其在目标检测应用中具有很高的潜力。
关键词：EfficientDet;;扣件检测;;通道修剪;;数据增强;;深度学习
基金资助：国家自然科学基金面上项目（编号：51975038）;; 北京市自然科学基金重点项目（编号：KZ202010016025）
