使用环境 |
动车组运行故障动态图像检测系统(TEDS)的监控分析中心,用于检测动车组制动盘螺栓的故障情况。 |
使用对象 |
动车组制动盘螺栓,特别是CRH380B型动车组制动盘螺栓的缺失故障。 |
使用目的 |
提高动车组制动盘螺栓故障检测的效率和准确性,减少人工检测的漏检和误检,满足TEDS系统对大量动车组图像进行即时检测的要求。 |
输入数据 |
TEDS系统采集的动车组制动盘螺栓部位的4096×3072像素的RGB图像帧 |
输出数据 |
制动盘螺栓故障的检测结果,包括故障类型(如缺失)、位置、置信度 |
硬件配置 |
CPU:Intel Xeon Platinum 8255C
GPU:RTX 3090 (24GB)
内存:43GB
硬盘:512GB
操作系统:Windows 11
编程语言:Python 3.8.10
深度学习框架:PyTorch 1.9.0
CUDA版本:11.1 |
样本获取 |
从TEDS原始扫描图像中选取CRH380B动车组1车、2车的左右两侧图像,进行裁剪和标注,共1760张图像,其中1056张作为训练集,352张作为验证集,352张作为测试集。 |
测试结果 |
平均精度均值(mAP@0.5):98.3%,相比YOLOv5n原模型提升6.8百分点。
检测帧速率:89frame/s,是YOLOv5l的1.7倍,是YOLOX-S的3.7倍。 |
执行速度 |
检测速度为89frame/s,满足TEDS故障检测的实时性要求 |
资源消耗 |
CPU:平均占用率约70% GPU:平均占用率约80% 内存:平均占用率约60% |
源码类型 |
本算法有Python版本源码,可提供授权使用。 |
文件大小 |
算法程序文件24KB,权重文件12MB。 |
相关备注 |
|