来源：期刊VIP网 时间：
作者：黄洪;谢茂华;姚毅甡;
单位：中国铁路南宁局集团有限公司柳州机务段;
摘要：随着重载铁路技术的快速发展，机车关键部件的检测与维护变得尤为重要。机车车底及车侧由于环境复杂，存在较大检测难度。针对这一问题，设计1种基于归一化流模型的检测方法，利用通道注意力和空间注意力机制对特征进行深度处理，使模型更关注待检测区域，将多层特征图合并，从而对分层处理的特征进行深度交叉融合。在MVTec AD数据集上的试验结果表明，性能优于其他同类算法，与同类型模型Fastflow和CS-flow相比，所提方法的AUROC达到了98.6%。在机车车侧数据集上，所提方法达到了98.44%的检出率和1.6%的误报率，通过对机车车侧部件异常的定位和检测，可以有效地确保机车的安全。
关键词：机车关键部件检测;;归一化流模型;;深度学习
