关键词：钢轨扣件 缺损检测 多线路 图像识别 深度卷积神经网络 

摘要：提出基于在线学习策略的扣件区域定位算法,即根据轨道图像的先验知识和模板匹配方法定位扣件区域,利用在线学习策略动态地更新模板库,使算法能够在多线路的轨道图像中定位扣件区域,并自动标注扣件样本;提出基于深度卷积神经网络的扣件缺损识别算法,即根据扣件区域图像的尺寸较小、图像内容相对单一的特点设计识别算法的网络结构,采用样本随机排序策略的数据增强方法,以减小样本数量失衡对识别性能的影响。基于多线路钢轨扣件试验数据集对检测方法进行试验验证,结果表明:该方法可在不同线路的轨道图像中精确定位扣件区域并识别扣件缺损,扣件区域定位平均检测率达到99.36%,扣件缺损识别平均精确率达到96.82%,具有较高的可靠性和较强的多线路适应能力。

中国铁道科学杂志要求:

{1}正文应尽量减少层次，一般不宜超过3层。有标题内容才列数字序号（没有标题的内容用自然段形式起始），数字序号后不用加点，但要空1格。

{2}来稿必须为原创性作品，此前未经公开发表。严禁抄袭、剽窃和一稿多投，如有发现，将永不刊用该作者来稿。

{3}文内标题：文内标题要简洁、明确，标题层次不宜过多，一般保留三级标题。

{4}将参考文献按在文中出现的先后顺序排列编号,并用方括号标注在文中引用处的右上角。参考文献数量为15-20个。

{5}作者简介：姓名，出生年，性别，籍贯，单位（大小单位都要写清）及所在省市、邮编，职称或学位。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社