基于改进U-Net卷积神经网络的钢轨表面损伤检测方法

梁波; 卢军; 曹阳

doi:doi:10.3788/LOP202158.0215009

激光与光电子学进展, 2021, 58 (2): 0215009, 网络出版: 2021-01-11

基于改进U-Net卷积神经网络的钢轨表面损伤检测方法下载： 1132次

Rail Surface Damage Detection Method Based on Improved U-Net Convolutional Neural Network

梁波卢军 ^*曹阳

作者单位

陕西科技大学机电工程学院, 陕西西安 710021

图 & 表

图 1. 轨道损伤图像的检测流程图

Fig. 1. Detection flow chart of track damage image

下载图片查看原文

图 2. 不同操作扩展后的样本图像。(a)原始图像;(b)注释图像;(c)平移变换;(d)旋转变换;(e)缩放变换

Fig. 2. Sample images expanded by different operations. (a) Original images; (b) ground truth; (c) translation transformation; (d) rotation transformation; (e) scaling transformation

下载图片查看原文

图 3. 改进的U-Net卷积神经网络的结构

Fig. 3. Structure of improved U-Net convolution neural network

下载图片查看原文

图 4. 所提方法在模型训练过程中的性能曲线

Fig. 4. Performance curves of proposed method in model training process

下载图片查看原文

图 5. 所提方法的ROC曲线

Fig. 5. ROC curve of proposed method

下载图片查看原文

图 6. 不同方法的检测结果

Fig. 6. Detection results of different methods

下载图片查看原文

图 7. 不同方法的可视化结果。(a)损伤图像;(b)注释图像;(c)LN+DLBP;(d)MLC+PEME;(e)DWT;(f)CFE;(g)U-Net;(h)所提方法

Fig. 7. Visualization results of different methods. (a) Defect images; (b) ground truth; (c) LN+DLBP; (d) MLC+PEME; (e) DWT; (f) CFE; (g) U-Net; (h) proposed method

下载图片查看原文

梁波, 卢军, 曹阳. 基于改进U-Net卷积神经网络的钢轨表面损伤检测方法[J]. 激光与光电子学进展, 2021, 58(2): 0215009. Bo Liang, Jun Lu, Yang Cao. Rail Surface Damage Detection Method Based on Improved U-Net Convolutional Neural Network[J]. Laser & Optoelectronics Progress, 2021, 58(2): 0215009.

基于改进U-Net卷积神经网络的钢轨表面损伤检测方法下载： 1132次

图 1. 轨道损伤图像的检测流程图

Fig. 1. Detection flow chart of track damage image

图 2. 不同操作扩展后的样本图像。(a)原始图像;(b)注释图像;(c)平移变换;(d)旋转变换;(e)缩放变换

Fig. 2. Sample images expanded by different operations. (a) Original images; (b) ground truth; (c) translation transformation; (d) rotation transformation; (e) scaling transformation

图 3. 改进的U-Net卷积神经网络的结构

Fig. 3. Structure of improved U-Net convolution neural network

图 4. 所提方法在模型训练过程中的性能曲线

Fig. 4. Performance curves of proposed method in model training process

图 5. 所提方法的ROC曲线

Fig. 5. ROC curve of proposed method

图 6. 不同方法的检测结果

Fig. 6. Detection results of different methods

图 7. 不同方法的可视化结果。(a)损伤图像;(b)注释图像;(c)LN+DLBP;(d)MLC+PEME;(e)DWT;(f)CFE;(g)U-Net;(h)所提方法

Fig. 7. Visualization results of different methods. (a) Defect images; (b) ground truth; (c) LN+DLBP; (d) MLC+PEME; (e) DWT; (f) CFE; (g) U-Net; (h) proposed method

关于本站 Cookie 的使用提示

全站搜索

基于改进U-Net卷积神经网络的钢轨表面损伤检测方法 下载： 1132次

图 1. 轨道损伤图像的检测流程图

Fig. 1. Detection flow chart of track damage image

图 2. 不同操作扩展后的样本图像。(a)原始图像;(b)注释图像;(c)平移变换;(d)旋转变换;(e)缩放变换

Fig. 2. Sample images expanded by different operations. (a) Original images; (b) ground truth; (c) translation transformation; (d) rotation transformation; (e) scaling transformation

图 3. 改进的U-Net卷积神经网络的结构

Fig. 3. Structure of improved U-Net convolution neural network

图 4. 所提方法在模型训练过程中的性能曲线

Fig. 4. Performance curves of proposed method in model training process

图 5. 所提方法的ROC曲线

Fig. 5. ROC curve of proposed method

图 6. 不同方法的检测结果

Fig. 6. Detection results of different methods

图 7. 不同方法的可视化结果。(a)损伤图像;(b)注释图像;(c)LN+DLBP;(d)MLC+PEME;(e)DWT;(f)CFE;(g)U-Net;(h)所提方法

Fig. 7. Visualization results of different methods. (a) Defect images; (b) ground truth; (c) LN+DLBP; (d) MLC+PEME; (e) DWT; (f) CFE; (g) U-Net; (h) proposed method

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于改进U-Net卷积神经网络的钢轨表面损伤检测方法下载： 1132次