FaultNet：基于深度学习与计算机视觉的故障轨道阀门检测
计算机视觉与模式识别
2019-12-10 v1
摘要
对轨道阀门和发动机进行定期检查是确保全球铁路网安全与效率的重要任务。过去十年中，基于计算机视觉与模式识别的技术在此类检查与缺陷检测任务中获得了关注。端到端训练的自动化系统有可能为这些部件的手动视觉检查提供低成本、高吞吐量和廉价的替代方案。然而，此类系统需要大量缺陷图像以使网络理解复杂缺陷。本文提出一种基于多阶段深度学习的技术，用于执行轨道阀门的精确故障检测。我们的方法采用两步法对轨道阀门进行高精度图像分割，实现像素级准确分割。此后，使用计算机视觉技术识别故障阀门。我们证明，与当前故障检测中最先进的（state-of-the-art）技术相比，所提方法实现了改进的检测性能。
引用
@article{arxiv.1912.04219,
title = {FaultNet: Faulty Rail-Valves Detection using Deep Learning and Computer Vision},
author = {Ramanpreet Singh Pahwa and Jin Chao and Jestine Paul and Yiqun Li and Ma Tin Lay Nwe and Shudong Xie and Ashish James and Arulmurugan Ambikapathi and Zeng Zeng and Vijay Ramaseshan Chandrasekhar},
journal= {arXiv preprint arXiv:1912.04219},
year = {2019}
}
备注
8 pages, 8 figures, ITSC 2019