论文部分内容阅读
针对铁路扣件缺陷种类繁多、检测困难等问题,提出一种基于目标检测的扣件状态检测方法。对扣件图像数据集进行构建并标注;通过搭建深度学习环境,将数据集输入Faster R-CNN模型进行训练和识别;选择合适的评价模型和评估标准进行结果分析。结果表明:该方法对铁路扣件的检测准确率达到97.3%,检测精度和检测效率明显提高,可有效实现对扣件图像的识别和分类。