DualSightNet:鉄道インフラの視覚的品質管理のための新しいデュアルアーキテクチャ

科学分野:

• 鉄道工学
• 人工知能
• コンピュータビジョン

背景:

• 包括的なレール状態監視は、運用上の列車安全にとって非常に重要です。
• 現在の方法では、摩耗から破壊行為まで、さまざまなレール表面欠陥に対する継続的な監視が不足しています。
• 既存のディープラーニングモデルは、幅広い種類のレール欠陥にわたる堅牢な分類に苦労しています。

研究 の 目的:

• 安全性クリティカルなレール表面欠陥の信頼性の高い分類のためのディープラーニングモデルの開発と検証。
• 局所的および全体的な特徴抽出を統合することによる既存のアプローチの制限に対処する。
• 自動レール欠陥検出における新しいベンチマークを確立する。

主な方法:

• 注意モジュールを組み込んだハイブリッドディープラーニングアーキテクチャであるDualSightNetの紹介。
• 局所的および全体的な特徴抽出を組み合わせるためのゲーティングベースの融合メカニズムの利用。
• 7つの欠陥タイプをカバーする5,153の実際のレール画像の査読済みデータセットでの5倍クロスバリデーション。

主要な成果:

• DualSightNetは、7種類のレール表面欠陥の分類において97.55%の平均バランス精度を達成しました。
• モデルは、多様な実世界のバリエーションにわたって強力な一般化を示しました。
• リアルタイムアプリケーションに適した、画像あたりの推論時間3.00 msを達成しました。

結論:

• DualSightNetは、局所的および全体的な特徴を効果的に組み合わせることにより、マルチクラスレール欠陥認識を大幅に強化します。
• このモデルは、欠陥カバレッジと評価の厳密さにおいて以前の方法を上回り、自動レール検査の新しい基準を設定します。
• このシステムのパフォーマンスと速度は、リアルタイム監視のための自動検査車両への展開に適しています。