中国安全科学学报

作者：张昌凡, 胡新亮, 何静, 刘建华, 侯娜

单位：1 湖南工业大学 电气与信息工程学院,湖南 株洲 412007；2 湖南工业大学 轨道交通学院,湖南 株洲 412007

关键词：轮对踏面,缺陷分类,简单无参注意力模块(SimAM),脊柱神经网络(SpinalNet),L2正则化

基金：国家自然科学基金资助(52172403); 国家自然科学基金资助(62173137); 湖南省自然科学基金资助(2021JJ30217); 湖南省教育厅资助项目(19A137)

为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果。试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35%和100%,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生。

来源：2022年第6期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2022年第6期