基于3D点云和改进Unet算法的轨道车辆螺栓松动检测

轨道车辆的运行安全问题在工程装备应用中日益受到重视,车辆长时间高速运行时转向架上易出现螺栓松脱风险,针对这一问题,文章提出基于3D点云和改进Unet网络的检测算法。该算法首先通过训练YOLOv7网络对转向架中螺栓位置进行定位,再利用改进Unet网络训练完成对螺栓标记线的语义分割,提取螺栓标记线,并对标记线对应的点云进行平面拟合,最后计算所有点到拟合平面的内点的数量占比,通过标记线的偏离程度判断螺栓故障。最终通过试验验证了本算法在检测5°以上的松动螺栓故障准确率达到98.9%。