作品详情

大赛登录

大赛注册

当前位置：首页大赛首页智轨卫士-基于深度学习的钢轨表面缺陷智能检测系统

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：智轨卫士-基于深度学习的钢轨表面缺陷智能检测系统
学校名称：山东科技大学
参赛队伍：智轨卫士
队伍编号：217300
参赛学生：霍义康刘明凯
指导老师：宋作玲
投票日期：2025年10月10日 00:00->2025年12月15日 00:00
请在微信端进行投票。点此扫描二维码。

详细说明

所属领域：智能运维、计算机视觉、工业检测、轨道交通

项目背景：

我国铁路运营里程长、负荷大，钢轨表面因长期受力与环境影响，易产生裂纹、剥落、掉块等缺陷，直接威胁行车安全。传统依赖人眼的“计划修”模式效率低下、环境恶劣，且存在“过修”与“欠修”问题，已无法满足现代化铁路“状态修”的精准运维需求。发展自动化、智能化的钢轨检测技术势在必行。

核心内容：

“睿轨明瞳”是一套集图像处理、深度学习与机器视觉于一体的钢轨表面缺陷全自动检测解决方案。系统通过工业相机采集钢轨图像，经由图像增强、区域定位、缺陷识别三大核心模块，实现对钢轨表面缺陷的精准、快速、无人化检测。项目创新性地改进了加权引导滤波图像增强算法与结合双边滤波的LSD直线检测算法，显著提升了图像质量与钢轨区域的定位精度；并基于YOLOv5架构，融入了DA-Net注意力机制与SPPFCSPC特征金字塔，构建了高性能的轻量化缺陷检测模型。

创新亮点：

“看得清”——领先的图像预处理技术：采用边缘算子加权的引导滤波进行图像分层增强，在提升整体对比度的同时，最大限度保留并突出了微小缺陷的细节信息，为精准识别奠定基础。

“找得准”——精准的钢轨区域定位技术：创新性地将双边滤波与Canny、LSD算法结合，在复杂背景（碎石、道砟）中快速、完整地提取出钢轨区域，有效排除了非目标区域的干扰。

“认得准”——高效的轻量化深度学习模型：在YOLOv5中引入通道与空间双注意力机制，使模型能聚焦于缺陷特征，显著提升在复杂背景下对微小缺陷的检出率与分类准确性，同时大幅降低了模型参数量与计算成本。

完整的“感知-分析”闭环：从图像采集到缺陷报警，形成了完整的自动化检测流程，为实现从“计划修”到“状态修”的运维模式变革提供了可靠的技术工具。

价值与意义：

本项目将人工智能技术深度应用于轨道交通基础设施运维领域，极大地提升了钢轨检测的自动化水平、识别精度与工作效率。它能够替代人工在危险环境中作业，实现7x24小时不间断巡检，做到缺陷的“早发现、早预警”，为保障铁路运输安全、推动运维模式智能化升级提供了核心技术支持，是“交通强国”战略在基础设施智慧运维层面的重要实践。