《Machines》：A Deep Learning Approach for Inspection of Locomotive Undercarriage Components
编辑推荐：
摘要专业翻译
铁路车辆定期检查与预防性维护对于保障铁路系统的安全性、可靠性和运营可用性至关重要。然而，机车走行部部件的视觉检查目前仍以人工方式为主，该方法耗时费力，且易受主观评估误差影响。本文提出了一种基于深度学习的框架，用于在实际运行工况下对机车制动系统部件
摘要专业翻译
铁路车辆定期检查与预防性维护对于保障铁路系统的安全性、可靠性和运营可用性至关重要。然而，机车走行部部件的视觉检查目前仍以人工方式为主，该方法耗时费力，且易受主观评估误差影响。本文提出了一种基于深度学习的框架，用于在实际运行工况下对机车制动系统部件进行自动视觉检查。所提出的方法将基于YOLOv4-tiny的目标检测与卷积神经网络（CNN）分类模型相结合，以定位制动部件并识别其运行状态。分类任务被构建为三分类问题，区分两种非功能状态（制动闸瓦与闸瓦键均缺失、仅闸瓦键缺失）以及两个部件均存在的正确运行状态。分类性能采用准确率、宏平均精确率、宏平均召回率、宏平均F1分数、混淆矩阵以及相应的受试者工作特征（ROC）曲线和曲线下面积（AUC-ROC）值进行评估。YOLOv4-tiny检测器取得了92.55%的AP@0.5值，能够在分类前准确定位机车制动系统部件。第二个更严格的指标mAP@[0.50:0.95]表示在IoU阈值从0.50到0.95、步长为0.05的范围内计算的平均精度，其值为49.36%。在评估的分类模型中，ResNet-18展现出最优的分类性能，实现了99.69%的准确率和99.66%的宏平均F1分数，处理速度为98.1940 FPS。当集成到完整的检测-分类流程中时，系统在独立测试集上达到了93.33%的总体准确率。分类误差涉及将闸瓦键缺失的样本误判为功能正常，这揭示了一个安全关键性局限。研究结果表明，该方法在机车制动部件的自动视觉检查和维护支持方面具有广阔的应用潜力，但需要进一步改进和验证以解决上述误差问题。
论文解读
一、研究背景与意义
铁路资产的连续状态监测是核心维护活动之一，对保障轨道交通的安全性与可靠性具有关键作用。基础设施管理者负责轨道完整性及其他基础设施要素的维护，而铁路运营商则负责机车车辆（rolling stock）的运营可用性。根据机车车辆维护法规，维护文件涵盖了由车辆及其部件制造商规定的检查间隔，特别是针对安全关键部件的检查。机车服务检查在配备检查地沟的授权车间内进行，维护人员通过地沟直接检查机车底架、转向架（bogie）、制动系统及其他安全关键组件。
然而，传统的机车走行部目视检查存在多重局限：需要相应的基础设施、时间和熟练人员部署；检查质量可能取决于工人的经验与专注度以及环境条件。此外，将机车调离运营线路并运输至配备检查地沟的场所，增加了机车不可用时间及运输和组织成本。现有研究虽已探索振动、声学和热成像等方法用于制动系统状态监测，但这些方法主要表征制动系统的响应或行为，而计算机视觉方法能够提供关于各部件存在与否及其身份的直观视觉信息。尽管多种深度学习模型在受控条件下表现良好，但在真实铁路检查系统中的应用仍有限且研究不足，主要原因包括工作环境条件不利且多变，以及缺乏标准化、足够广泛且已标注的数据集。
二、研究内容与结论
针对上述问题，研究人员在尼什机械工程学院先前开发的ATUVIS自主机车视觉检查系统基础上，设计了用于机车走行部自动视觉检查的软件，当前开发阶段聚焦于制动系统的检测与状态评估。研究采用两阶段图像处理方法：第一阶段使用YOLOv4-tiny检测器在走行部图像中定位制动系统并确定边界框；第二阶段将裁剪图像输入CNN分类器，根据关键部件存在与否判断制动系统状态。制动系统状态被定义为三类：类别1“制动闸瓦与键存在”（功能正常）、类别2“制动闸瓦与键缺失”（非功能）、类别3“仅制动闸瓦键缺失”（非功能）。
数据集由GoPro HERO11相机采集的3340张图像构成，其中2774张高分辨率图像（5568×4872像素）和566张图像（1920×1080像素）通过ATUVIS系统在20余次机车走行部目视检查中采集。拍摄在不同相机位置、光照条件和一天中不同时段进行，覆盖了真实检查中可能出现的变化。相机具有三个平移位置和两个旋转轴（φ1为-15°、0°、15°，φ2为30°、45°、60°），并使用色温4000K的LED照明。分类数据集中，类别1包含1529张图像，类别2包含686张，类别3包含1005张，存在中等程度的类别不平衡。
三、关键技术方法
研究人员采用了以下核心技术方法：基于YOLOv4-tiny的单类目标检测，输入图像调整为608×608×3像素，采用K-means算法确定六个锚框、Adam优化器（初始学习率0.001）、非极大值抑制（NMS）；五种预训练CNN架构（ResNet-18、ResNet-50、AlexNet、GoogLeNet、DenseNet-201）用于三分类，采用交叉熵损失函数、SGDM优化器（动量0.9）、L2正则化；数据增强包括随机水平翻转、仿射旋转、亮度与对比度调制（±15%范围）；Grad-CAM（梯度加权类激活映射）用于模型决策过程的可视化解释。硬件环境为AMD Ryzen 7 7800X3D处理器、32GB内存和Nvidia GeForce RTX 5070显卡，基于MATLAB R2025a实现。
四、研究结果
4.1 YOLOv4-tiny检测结果
训练和验证损失曲线在学习过程中持续下降并最终稳定，训练与验证损失之间差异小，表明模型成功收敛且无显著过拟合。Precision-Recall曲线显示模型在高召回率范围内保持高精确率。检测器取得AP@0.50为92.55%，mAP@[0.50:0.95]为49.36%。AP在IoU阈值为0.65时降至约80%，并在更高阈值下进一步下降，表明边界框对齐精度仍有提升空间。
4.2 CNN分类器比较评估
五种CNN架构中，ResNet-50在宏精确率（0.9978）、宏召回率（0.9967）和宏F1分数（0.9972）方面表现最均衡，ResNet-18达到相同的最高准确率（0.9969）且处理速度更高（98.1940 FPS）。DenseNet-201性能接近但处理速度最低（15.9930 FPS）。GoogLeNet准确率为0.9907，AlexNet性能最低（准确率0.9658）。混淆矩阵分析显示ResNet-50和ResNet-18各仅有两个误分类样本，AlexNet有22个误分类。ROC曲线分析显示AUC-ROC值范围为0.9946至1.0000。综合分类性能与处理速度，ResNet-18被选为集成系统的分类器。
4.3 集成检测-分类系统性能
在120张独立测试集上，YOLOv4-tiny检测器产生117个真阳性和3个假阴性。排除未检测样本后，ResNet-18在117张成功检测图像上新增5个误分类。集成流程累计误差为8张图像，总体系统错误率为6.67%。检测相关误差占37.5%（占数据集2.50%），分类相关误差占62.5%（占数据集4.17%）。关键问题在于全部5个分类误差均属于“仅闸瓦键缺失”类别被误判为“闸瓦与键均存在”，即非功能状态被识别为功能正常，这在自动视觉检查中属于安全关键性缺陷。
4.4 Grad-CAM解释
Grad-CAM可视化结果表明，ResNet-18模型有效捕获了与不同制动运行状态相关的制动部件纹理特征。对于功能正常类别，激活区域覆盖目标对象；对于“闸瓦与键均缺失”类别，激活略微向中央制动托架偏移；对于“仅闸瓦键缺失”类别，激活区域更集中且聚焦于制动托架上键位的特定区域。这表明模型基于有意义的、具有类别判别性的纹理特征进行决策。
五、结论与展望
本研究探讨了一种两阶段深度学习方法的有效性，该方法结合YOLOv4-tiny部件检测与CNN分类，用于检测和分类机车制动系统状态。检测器AP@0.50为92.55%，ResNet-18分类器准确率为99.69%，但端到端评估的总体准确率为93.33%。研究承认所有分类误差均涉及将“仅闸瓦键缺失”的非功能状态误判为功能正常，这种误差模式具有安全关键性，仅靠总体准确率无法充分表征，构成自主检查的重要局限。尽管如此，研究结果仍表明该人工智能检测与分类框架具有进一步发展潜力，可作为无需检查地沟的机车走行部视觉检查辅助工具。未来研究将优先减少漏检故障误差，通过数据集扩展、改进少数类表示、评估类权重和针对性增强策略来解决类别不平衡问题，并探索替代性检测与分类架构、考虑漏检后果的决策阈值，以及语义分割以支持制动闸瓦磨损的定量评估。
