来源：期刊VIP网 时间：
作者：李毅;许知建;王逸涵;杨前;李柏林;
单位：西南交通大学机械工程学院;
摘要：由于铁路通讯漏缆卡扣结构模糊、背景差异小、类型多样且数据分布复杂，因此卡扣的缺陷检测仍具有挑战性。针对现有的CNN网络对缺陷数据分布敏感问题，引入非监督学习式的GAN网络，并提出基于分块重构GAN的卡扣缺陷检测算法。首先，采用经典的YOLOv5-M模型截取漏缆卡扣图像；然后，以现有的Skip-GANomaly网络为基础，采用分块去除的方式拆分卡扣图像，将卡扣特征离散化的同时也增加了样本的容量，缓解了Skip-GANomaly在缺陷卡扣重构中的过拟合问题；此外，提出采用余弦相似度计算卡扣重构前后图像的相似度分数，以此判定卡扣是否存在缺陷。选取综合巡检车采集到的漏缆卡扣数据集进行实验，结果表明，本文提出的算法对多类型卡扣缺陷识别的AUC值达到了0.961,比Skip-GANomaly算法提高了3%。此外，可视化的结果表明，与其他两种经典的异常分数相比，采用基于余弦相似度方法能够更好地区分缺陷和正常卡扣。
关键词：铁路隧道;;漏缆卡扣;;缺陷检测;;生成对抗网络;;分块重构;;余弦相似度
基金资助：四川省科技研发计划重点项目(2021YFN0020)
