基于孪生残差多尺度特征融合网络的方孔锁松动识别

以人工模式为主的方孔锁松动异常识别存在检修效率低且难以保证检修质量的问题。为了提高方孔锁松动检修效率和检修准确率,设计一种孪生残差多尺度特征融合网络用于方孔锁松动识别。针对孪生残差网络中无法充分利用浅层多尺度特征的问题,利用一种特征融合模块(feature fusion module,FFM),对不同尺度下的特征进行自适应融合。提出一种数据增广算法模拟方孔锁松动故障,解决方孔锁实际松动数据数量较少的问题。测试集上的试验结果表明,这种增广算法能够明显提高方孔锁松动识别准确率,F-Score评价指标提高。相比于孪生残差网络,孪生残差多尺度特征融合网络具有更高的识别准确率,在不同松动角度的测试集上,准确率提升最高可达2.66%。