面向钢轨表面缺陷检测的特征融合算法设计与实现OA

钢轨表面缺陷检测对轨道交通安全至关重要,尤其在巡检车运行速度达到80 km/h、实时检测性能达到75 FPS的条件下,检测精度与实时性成为关键。提出面向工程应用的多模态缺陷检测框架。针对样本不平衡问题,构建自监督对比学习模型,采用深度卷积神经网络作为特征提取器,通过跨模态特征交互机制融合2D-3D数据特征,形成多尺度特征融合策略(FPC)。实验验证表明,该算法在AUROC指标上达到91.5%。为满足铁路智能运维需求,构建异构硬件平台进行算法部署验证:在ZCU104开发板上,基于FPGA低功耗架构与DPU加速引擎,结合Vitis AI工具链实现硬件优化,达到35 W功耗下91.0 FPS的实时检测性。研究结果为轨道智能检测系统提供了兼具理论创新与工程实用性的解决方案。