缺陷Seg:用于火车轮缺陷检测的数据集.
Muhammad Zakir Shaikh1,2,3, Sahil Jatoi4,5, Enrique Nava Baro6
1National Center for Robotics, Automation and Artificial Intelligence, Mehran University of Engineering and Technology (MUET), Jamshoro, Pakistan. muhammadzakirshaikh90@gmail.com.
Scientific data
|February 20, 2025
概括
一个新的FaultSeg数据集有助于自动检测火车轮缺陷,提高铁路安全. 这一数据集和像YOLOv9这样的深度学习模型改善了关键运输基础设施的检查和预测性维护.
科学领域:
- 铁路工程 铁路工程是指铁路工程.
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 缺陷的火车轮在铁路运输中构成重大安全隐患.
- 目前的检查方法可能不足以检测所有类型的轮子缺陷,对乘客安全构成风险.
研究的目的:
- 引入FaultSeg数据集,用于自动检测火车轮缺陷.
- 通过使用FaultSeg数据集来评估深度学习模型在识别轮子缺陷方面的有效性.
主要方法:
- 该FaultSeg数据集由829个火车轮的手动注释图像创建,识别了裂/划痕,炮弹和变色.
- 在FaultSeg数据集上训练和评估了YOLOv9实例细分算法.
主要成果:
- YOLOv9模型在检测火车轮缺陷方面达到约87%的准确性.
- 结果表明数据集对于训练高级深度学习模型的有用性.
结论:
- 在铁路运输中,FaultSeg数据集是开发自动检查系统的宝贵资源.
- 这项研究支持实施数据驱动的预测性维护策略,以提高铁路安全.


